CNN 是一种人造神经网络，也是人工智能的一种形式。它模拟了大脑中的神经细胞相互连接，且对眼睛看到的事物产生反映的过程。CNN 能够快速学习它“看到”的图像，并在这个学习过程中对自身表现进行改进，体现了机器学习的原理。
卷积神经网络（CNN）是人工智能的一种形式（图片来源：123RF）
在这项研究中，研究人员使用了超过 10 万张皮肤癌图像及诊断结果对 CNN 进行训练，提高 CNN 区分恶性和良性皮肤癌的能力。这些图像都是皮肤镜图像，即放大倍数为 10 倍的皮肤病变图像，其中既包括良性和恶性皮肤癌，也包括皮肤上痣的图像。在完成训练后，研究人员使用了 300 张新图像，来对 CNN 识别癌症的能力进行评估。
在此同时，研究人员邀请了全球 17 个国家的 58 位皮肤科专家，来根据皮肤镜图像做出相应诊断。这一过程主要分为两个阶段：第一阶段时，医生们需要根据皮肤镜图像，来分辨恶性黑色素瘤或良性痣，并选择控制病情的相关措施，包括手术、短期随访和无需采取措施三个选项；在四周后进行的第二阶段，医生们将会收到患者的年龄、性别和病变部位等临床信息，以及这些患者的特写图像，并根据这些信息再次做出诊断和后续措施决策。
CNN 检测结果（红色曲线）与皮肤科专家检测结果平均值（大型墨绿色圆点）对比。可以看出，当特异度（X 轴）数值相同时，CNN 检测结果的敏感度（Y 轴）数值明显高于皮肤科专家检测结果（图片来源：《Annals of Oncology》）
研究结果显示，在第一阶段，皮肤科医生能够准确检测到平均 86.6% 的黑色素瘤，同时也可以准确识别出平均 71.3% 的非恶性病变。然而，当 CNN 识别良性痣的准确率达到同样的 71.3% 时，它检测出黑色素瘤的准确度竟高达 95%！在第二阶段，皮肤科医生的表现有所改善，能够准确地诊断出 88.9% 的恶性黑色素瘤和 75.7% 的非癌症病变。
该研究的第一作者，德国海德堡大学皮肤病学系高级管理医师 Holger Haenssle 教授（图片来源：海德堡大学官网）
“这些研究结果表明，深度学习卷积神经网络在检测黑色素瘤的过程中，比经验丰富的皮肤科专家表现还要好，”该研究的第一作者，德国海德堡大学皮肤病学系高级管理医师 Holger Haenssle 教授表示：“CNN 可以帮助医生进行皮肤癌筛查，从而决定是否需要对病变进行活检。目前，大多数皮肤科医师已经开始使用电子皮肤镜系统，将病变转化为图像形式并进行存储，从而方便进行记录和后续随访工作。CNN 可以对存储的图像进行快速评估，以获取关于黑色素瘤诊断的信息。目前我们正在计划进行前瞻性研究，用来评估 CNN 对医生和患者的实际影响。”
参考资料：
[1] Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists
[2] Man against machine: AI is better than dermatologists at diagnosing skin cancer
