无论由经验丰富的皮肤科医生还是训练有素的机器学习算法来评估黑色素瘤的厚度都很困难。哥德堡大学的一项研究表明，在解释皮肤镜图像时，算法和皮肤科医生的成功率相同。

在诊断黑色素瘤时，皮肤科医生会评估它是一种侵袭性黑色素瘤(“侵袭性黑色素瘤”)还是一种较温和的黑色素瘤(“原位黑色素瘤”，MIS)，它只生长在皮肤的外层表皮。侵入性黑色素瘤长到皮肤深处超过一毫米，就被认为是厚的，因此更具有侵略性。

厚度的重要性

黑色素瘤是通过皮肤镜(一种装有强光的放大镜)来评估的。诊断黑色素瘤通常相对简单，但估计其厚度则是一个更大的挑战。

哥德堡大学萨尔格伦斯卡学院皮肤病学和性病学副教授(讲讲人)Sam Polesie说:“除了提供有价值的预后信息外，厚度可能会影响第一次手术的手术切边的选择以及需要多长时间进行手术。”Polesie也是萨尔格伦斯卡大学医院的皮肤科医生，也是这项研究的第一作者。

将人与机器连接起来

通过一个网络平台，438名国际皮肤科医生评估了用皮肤镜拍摄的近1500张黑色素瘤图像。然后，皮肤科医生的结果与经过训练的黑色素瘤深度分类的机器学习算法的结果进行了比较。

在皮肤科医生中，MIS正确分类的总体准确率为63%，浸润性黑色素瘤的总体准确率为71%。

“有趣的是，皮肤镜检查的专业背景和经验对预测黑色素瘤厚度的诊断准确性没有影响。

曲线下的面积，这是一个从0到1的性能测量值，对于预训练的机器学习算法是0.83，对于单个读者的联合AUC是0.85。总体而言，皮肤科医生的评估与识别MIS和侵袭性黑色素瘤的算法相一致，”Polesie说。

很难评估

人工智能(AI)正在医疗保健领域取得重大飞跃。特别是，这项技术有望发展成为医学成像技术的支持——也就是说，医生可以评估和解释图像，如x射线和视网膜和皮肤变化的图像。该技术也适用于图像识别以外的领域。

Polesie补充说:“我们的研究强调了根据皮肤镜图像正确评估黑色素瘤厚度的困难。”

“在未来的研究中，我们的目标是探索预先定义的皮肤镜结构在区分上的有效性。我们还想测试在这种情况下，是否可以通过机器学习算法来改善临床决策。”

研究结果发表在《欧洲皮肤病与性病学会杂志》上。这项研究是与奥地利维也纳医科大学的研究人员合作进行的。