医生将获得一个强大的AI工具，帮助他们更快、更准确地诊断黑色素瘤和其他皮肤疾病。这款名为PanDerm的新工具由蒙纳士大学领导的国际研究团队开发，能够在实际临床环境中分析多种类型的皮肤图像，包括局部照片、皮肤镜图像、病理切片和全身照片。 《自然医学》杂志上发表的一篇文章详细介绍了PanDerm的研发和应用情况。研究显示，当医生使用PanDerm时，皮肤癌诊断的准确性提高了11%，而非皮肤科医生在诊断其他皮肤状况时的准确性则提高了16.5%。PanDerm还显示出早期检测皮肤癌的能力，在医生发现可疑病变之前就能识别出问题。 研究团队为PanDerm训练了超过200万张皮肤图像，数据来源涉及多个国家的11家医疗机构。与其他现有的AI模型不同，PanDerm不仅能执行单一任务，还能处理多种临床任务，如皮肤癌筛查、预测癌症复发或转移的几率、皮肤类型评估、痣计数、跟踪病变变化、诊断各种皮肤疾病以及分割病变区域。 蒙纳士大学信息技术学院副教授宗远杰表示，现有皮肤科AI模型通常只能完成孤立的任务，如从皮肤镜图像中诊断皮肤癌。然而，这些模型在处理不同类型的数据和影像方法时存在困难，影响了它们在不同现实场景中的实用性。PanDerm则是一款专门设计用于辅助医生分析复杂影像数据、提高其诊断信心的工具。 来自蒙纳士大学工程学院的第一作者严思远认为，多模态方法是系统成功的关键。通过训练PanDerm来分析来自不同成像技术的多样化数据，研究团队创建了一个能够像皮肤科医生一样综合信息理解皮肤状况的系统。 随着皮肤疾病的全球发病率达到70%，早期检测对于改善治疗效果至关重要。维多利亚州黑色素瘤服务主任维多利亚·马教授表示，PanDerm有助于检测随着时间推移的微小病变变化，提供更多关于病变生物学和未来扩散风险的信息。这支持了高风险患者的早期诊断和更一致的监测。 昆士兰大学皮肤病学研究中心主任彼得·索伊尔教授指出，由于资源的不同，城市、地区和农村医疗服务在成像和诊断技术上可能存在差异。潘德姆的优势在于能够支持现有的临床工作流程，尤其在繁忙或资源有限的环境下，或是在初级保健机构中，当无法轻松获取皮肤科医生支持时，这一工具显得尤为宝贵。 维也纳医科大学皮肤病学系资深合著者哈拉尔德·基特勒教授强调，PanDerm展示了全球合作和多样化的临床数据如何被用来建立不仅技术强大而且临床相关的AI工具。其在不同现实场景中支持诊断的能力，特别是在欧洲的应用，标志着皮肤科专家知识在全球范围内更加普及和一致的一步。 尽管研究结果显示充满希望，但目前潘德姆仍处于评估阶段，尚未广泛应用于医疗系统。未来的研究计划包括开发更全面的评估框架，涵盖更多种类的皮肤病和临床变体。研究团队还将制定标准化协议，以评估不同人群的表现，并进一步调查该模型在不同实际临床环境中的性能，力求实现公平表现。 业内人士认为，PanDerm的成功研发标志着AI在皮肤病学领域的重大突破，有望推动更广泛的医疗创新。参与该项目的多家知名学术机构，如蒙纳士大学、昆士兰大学和维也纳医科大学，均为世界领先的皮肤病学研究机构，具备强大的科研实力和技术积累。