很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于深度学习可改善2个广泛患者群体的皮肤病学诊断的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对深度学习可改善2个广泛患者群体的皮肤病学诊断这篇文章感兴趣的小伙伴可以一起来看看

韩国的研究人员表明，对亚洲和白种人患者的照片进行训练的AI可以帮助皮肤科医生更准确地诊断两个亚群中的许多皮肤疾病和失调。

实际上，该技术表明，它甚至可以帮助接受零医学训练的人们知道何时需要皮肤科医生对可能的皮肤癌进行诊治。

正如《研究皮肤病学杂志》(Journal of Investigative Dermatology)所报道的那样，该团队的卷积神经网络(CNN)为134种皮肤病学诊断确定，分类和推举了治疗方法，“其性能可与专家媲美”。

为了达到这一点，研究人员收集了220,000张174种皮肤状况的照片以对其算法进行训练，然后将其初始性能与21位经验丰富的皮肤科医生，26位皮肤病学居民和23位一般 公众进行比较。

在该算法的首次面对面研究中，它证明了与居民一样的能力，但不如经验丰富的皮肤科医生那么精确。

但是，经过最初的解释后，所有参与者都获得了算法的结果-并集体修改了呼叫，并获得了巨大的成功：47位皮肤科专家和住院医师的敏感性评分从77.4%提高到86.8%。23名外行人的敏感度得分从47.6%跃升至87.5%。

“在最初的结果基础上，如果没有转介专家，一般 市民会漏掉一半的恶性肿瘤，”作者在讨论部分评论。

首尔国立大学首席研究人员Jung-Im Na，医学博士在期刊出版商Elsevier发送的新闻稿中表示，CNN可能会为皮肤科医生提供“增强的情报”。

Na补充说，这样做，该工具将支持而不是替代医生。

纳说，此外，该算法与智能手机结合使用可以拍摄皮肤病变，“可以鼓舞公众去看那些可能被忽视的黑色素瘤等癌症病变的专家。”

Na提醒应慎重使用该方法，因为质量不足或构图不良的图像可能会影响算法的准确性。

Na表示，如果该算法的性能可以在临床环境中重现，“它将有望通过智能手机及早发现皮肤癌。” Na表示希翼未来开展研究以评估CNN在临床中的效用和性能设置。