斯坦福Nature論文新突破：深度學習皮膚癌診斷達專家水平

選自斯坦福

機器之心編譯

為了讓人們能獲得更好的醫療，斯坦福大學的研究者已經成功訓練了一個可以診斷皮膚癌的演算法。該研究的相關論文《Dermatologist-level classification of skin cancer with deep neural networks》已經發表在 Nature 上。本文編譯自斯坦福大學的官方介紹新聞，讀者可在文末查看論文摘要和點擊「閱讀原文」查閱原論文。

預約一個醫生幫你檢查一顆痣是否會癌變已經非常可怕了，但想像一下，如果你住的地方又離最近的醫生非常遠，沒有時間做檢查或者沒有錢跑那麼遠去做檢查該怎麼辦？在這種情況下，通過手機診斷疾病會是一種救急的選擇。

通常，皮膚科醫生使用皮膚鏡（dermatoscope）來觀察皮膚，這是一種手持顯微鏡。斯坦福的計算機科學家創造了一個可以進行皮膚癌診斷的人工智慧診斷演算法，表現可媲美通過職業認證的皮膚科醫生。

在計劃創造皮膚癌人工智慧診斷演算法的時候，斯坦福的計算機科學家想的是能讓治療普遍可及。他們做了一個包含近 13 萬張皮膚疾病圖像的數據集，然後訓練演算法能在視覺上診斷潛在的癌症。在首次測試中，它就展現出了驚人的準確率。

「我們意識到這是可行的，而且可以做得很好，」斯坦福人工智慧實驗室副教授 Sebastian Thrun 說。「那時我們的思想改變了。那時我們會說，『看，這不僅僅是一個學生的課堂項目，而是為人類做偉大事情的一個機會』。」

該項目最終的成果論文發表在 1 月 25 日的 Nature 雜誌上，該結果已經過了 21 位認證皮膚科醫生的對比測試。在該論文中的最常見的和最致命的皮膚癌的診斷上，該演算法的表現已能媲美皮膚科醫生。

為什麼選擇皮膚癌？

美國每年都有 540 萬人患皮膚癌，在早期檢測到的黑色素瘤的 5 年生存率在 97% 左右，如果晚期查出 5 年生存率將會下降 14%，皮膚癌的早期發現可能會對其結果產生巨大的影響。

皮膚癌的診斷始於視覺檢查。醫生通常用肉眼觀看皮膚鏡來檢查可疑的病變。皮膚鏡是一種手持式顯微鏡，可低倍率放大皮膚表面。如果這些方法都是不確定的，或者無法讓皮膚科醫生確定病變是癌變，那麼下一步就要用到活檢。將該演算法納入檢測過程迎合了當下將視覺處理與深度學習相結合的計算趨勢——深度學習是一種對大腦神經網路建模的人工智慧。深度學習在計算機科學中已有幾十年的歷史，但最近才被應用到視覺處理任務上，並取得了巨大的成功。包括深度學習在內的機器學習的本質就是訓練計算機來解決問題，而不是把答案編進程序。

「我們做了一個非常強大的機器學習演算法，它能從數據中學習，」該研究相關論文的合作者、Thrun 實驗室的研究生 Andre Esteva 說，「你讓演算法找出答案，而不是把要找的東西寫入計算機代碼。」

該研究相關論文的合作者、Thrun 實驗室的研究生 Andre Esteva

該演算法處理的是帶有一個相關疾病標籤的圖像的原始像素。與其他訓練演算法的方法相比，該方法需要的處理非常少，也不需要在分類之前對圖像進行分組，這允許演算法處理種類更廣泛的數據。

從貓狗識別到黑素瘤和癌症的診斷

研究人員並沒有從頭開始構建演算法，而是從谷歌已經訓練識別了 128 萬張 1 千種類目標的演算法基礎上進行開發的。雖然谷歌這套系統是為識別貓和狗設計的，不過研究員需要它能學會區分良性脂溢性角化病（benign seborrheic keratosis）和惡性腫瘤。

這篇論文的主要聯合作者，Thrun 實驗室的研究生 Brett Kuprel 說：「現在情況是沒有巨大的皮膚癌數據集來訓練我們的演算法，所以我們只能自己做了，我們從互聯網收集數據，並與醫學院合作對混亂數據（標籤就含有多種語言，如德語、阿拉伯語、拉丁語等）進行良好的分類。」

Thrun 實驗室的研究生 Brett Kuprel

經過必要翻譯後，研究人員與斯坦福醫學院皮膚科醫生以及本論文的聯合作者、斯坦福微生物學和免疫學教授 Helen M. Blau 合作處理影像資料。這個跨學科的團隊一起對互聯網上混亂的影像進行分類。其中很多影像資料並不像醫療專業人員拍攝的那樣專業，而是從各個角度、焦距和照明下拍的。最後，他們累積了約 130,000 張皮膚病變的圖像，這些圖像展示了超過 2000 種不同的皮膚疾病。

在測試期間，研究者只使用了由愛丁堡大學和國際皮膚影像合作項目（International Skin Imaging Collaboration Project）提供的高質量和活組織檢測證實（biopsy-confirmed）的影像，其代表著最常見最致命的皮膚癌：惡性腫瘤和惡性黑素瘤。這需要詢問 21 個皮膚科醫生他們通過每一張影像決定是進行活組織檢測（biopsy）或治療還是判斷不是惡性疾病。因此研究人員評估了皮膚科醫生在超過 370 張影像中能夠正確診斷癌性和非癌性病變的準確程度。

演算法的性能是通過構建敏感性（特異性曲線）進行衡量的，其中敏感性（sensitivity）代表著正確識別惡性病變的能力，特異性（specificity）代表著正確識別良性病變的能力。其是通過三個關鍵性診斷任務進行評估的：角化細胞癌的分類、黑素瘤的分類和通過皮膚鏡檢查的黑素瘤分類。在所有的三個任務中，該演算法的表現媲美皮膚科醫生，靈敏度曲線之下的區域達到整個曲線圖區域的 91%。

該演算法另外的優點是它的敏感性能進行調整，研究者可以根據他們想要評估的東西從而調整其響應度。這種改變敏感性的能力暗示著該演算法的深度與複雜性。看似無關照片中潛藏的架構——包括貓和狗的圖像，都有助於演算法更好地評價皮膚病變影像。

通過智能手機實現的醫療

儘管該演算法目前用於計算機，但團隊希望未來它能夠兼容於智能手機，讓可靠的皮膚癌診斷觸手可及。

「我意識到用在智能手機是多麼的獨特，那是我靈光乍現的一刻」Esteva 說，「每個人口袋中都有一個超級計算機，上面有大量的感測器，包括攝像頭。如果我們把它用來篩查皮膚癌會怎麼樣？或其他疾病呢？」

雖然該團隊相信把演算法過渡到移動設備會相對簡單，但仍需要在現實世界的臨床試驗上進行進一步的測試。

計算機輔助分類良性和惡性皮膚疾病的發展能夠極大地幫助皮膚科醫生改進對高難度疾病的診斷，並向病人提供更好的管理選擇。」該論文的合作者、斯坦福癌症研究所 Pigmented Lesion & Melanoma 項目的負責人 Susan Swetter 教授說，「然而，在演算法用於臨床實踐之前，還需要從業者與病人等進行嚴格的驗證。」

即使面臨著如此多的挑戰，研究人員依然感覺很有希望：深度學習某天能夠在多種醫療領域為視覺化診斷做出貢獻。

該研究的其他合作者包括：皮膚病學、病理學臨床助理教授 Robert Novoa，皮膚病學臨床副教授 Justin Ko。

論文：用深度神經網路實現皮膚科醫生水平的皮膚癌分類（Dermatologist-level classification of skin cancer with deep neural networks）

摘要：皮膚癌是人類最常見的惡性腫瘤，目前主要是通過視覺診斷的。一般首先是臨床篩查，之後可能需要皮膚鏡分析、活檢和組織病理學檢查。使用圖像的皮膚病變自動分類是一個具有挑戰性的任務，因為皮膚病變的外觀是一種細粒度的變化。深度卷積神經網路（CNN）在多種細粒度對象分類的通用的及高度可變的任務中都顯示出了潛力。在這裡，我們展示了使用一個單一的深度卷積神經網路進行皮膚病變分類的過程，該網路僅使用像素和疾病標籤作為輸入，直接從圖像中端到端地訓練出來。我們使用 129450 個臨床圖像的數據集——大於以前的數據集兩個數量級，包含了 2032 種不同的疾病——訓練了一個深度卷積網路。我們使用兩個關鍵的二進位分類用例：角質形成細胞癌（keratinocyte carcinomas）vs 良性脂溢性角化病（benign seborrheic keratoses）；惡性黑色素瘤 vs 普通的痣，在 21 位經過認證的皮膚科醫生的監督下，測試了它在活檢證實的臨床圖像上的性能。第一例代表最常見的癌症的識別，第二例代表了最致命的皮膚癌的識別。深度卷積神經網路在這兩個任務上的表現都達到了所有測試的專家的水平，證明了該人工智慧的皮膚癌鑒定水平達到了媲美皮膚科醫生的水平。配備該深度神經網路的移動設備可以讓皮膚科醫生的診斷拓展到臨床之外。據預測，到 2021 年，將有 63 億智能手機訂閱該功能，實現低成本的重要診斷。