谷歌进军皮肤科，秒杀执业护士，比肩专科专家

7 年前

皮肤病是最常见的疾病之一，但专业医生短缺、医疗资源分布不均等，让患者常常求助于全科医生，因此也容易造成误诊、漏诊的现象。谷歌研究人员研发出的深度学习系统，能够检测出常见的皮肤病，准确率与专业皮肤科医生相当，而且远超一部分初级护理医生和护士。

皮肤问题是全球最常见的疾病之一，仅次于感冒，疲劳和头痛。

实际上，全球估计有19 亿人都在某些特定时间会患上皮肤病。仅在美国，去诊所中就诊的患者中，就有高达 37% 的人至少有一种皮肤问题。但是，这些患者中，有一半以上都是由非皮肤科医生诊治的。

由于全球皮肤科医生的短缺，患者不得不去找全科医生，但全科医生在确定病情方面，往往不如专科医生准确。

鉴于此，Google 的研究人员研究出一种人工智能系统，该系统能够发现初级护理中最常见的皮肤病。

在其发表的论文《A deep learning system for differential diagnosis of skin diseases》（《一种用于皮肤疾病的鉴别诊断的深度学习系统》，论文地址：https://arxiv.org/pdf/1909\.05382\.pdf）及其博客中，研究人员表示，当呈现有关患者病例的图像和元数据时，系统可以**对 26 种皮肤状况实现准确鉴别诊断**，并且声称这与美国具备资格认证的皮肤科医生具有同等水平。

AI 新晋皮肤科医生，准确率超过专业医生

Google 软件工程师 Yuan Liu，和 Google Health 技术计划经理 Peggy Bui 博士表示：「我们开发了深度学习系统（DLS），以解决初级护理中最常见的皮肤问题。这项研究凸显了 DLS 潜在的潜力，它能够增强那些没经过额外专业培训的全科医生的诊断能力。」

AI 系统架构的示意图，输入皮肤照片、性别、年龄等元数据深度学习系统分析后，给出诊断参考诊断结果

正如他们所解释的那样，皮肤科医生对任何皮肤问题，都不会只给出一种诊断结果，而是列出可能的诊断（差异诊断）的排序列表，再通过后续的检查，影像学，程序和咨询等来系统地缩小范围。 Google 研究人员所研发的 AI 系统也是如此。

该系统处理的内容包括一张或多张皮肤异常的临床图像，以及多达 45 种的元数据（如，病史的自我报告成分：****如年龄，性别和症状）。针对每种情况，都使用 Inception-v4 神经网络体系结构处理了多个图像，并与特征转换后的元数据结合使用，以用于分类层。

研究小组表示，该模型使用来自两个州的17 家初级保健诊所 17777 例未识别病例，对模型进行了评估。他们将语料库分为两部分，并使用 2010 年至 2017 年之间的部分记录来训练 AI 系统，2017 年至 2018 年的部分则用来进行评估。在训练过程中，该模型利用了40 多位皮肤科医生提供的 5 万多种鉴别诊断。

为了测试该系统的诊断准确性，研究人员汇总了三名美国认证皮肤科医生的诊断结果，将其与严格的参考标准进行了比较。

通过对 3750 个病例的汇总，得出了 ground truth（地面实况）标签。将 AI 系统对皮肤问题排名与该皮肤科医生得出的鉴别诊断结果比较，第一项和前三项诊断预测分别达到了 71% 和 93% 的准确率。