皮肤状况是世界上最常见的疾病。在美国，多达37％的诊所就诊涉及某种皮肤的关注。
但是，还存在全球皮肤科医生的短缺，这迫使患者向倾向于诊断不太准确的全科医生寻求帮助。这可能会导致次优的转介，并延迟或不法治疗。
为了帮助工作量，研究人员来自Google开发了AI系统可以准确诊断初级保健中一些最常见的皮肤状况。在纸上标题为研究人员声称，“一种用于鉴别皮肤病的深度学习系统，” AI系统在26个皮肤疾病中达到了准确性，并且与美国董事会认证的皮肤科医生相当。
像皮肤科医生一样工作
当临床医生见到患者时，他们通常不仅会诊断。它们产生了鉴别诊断，这是一系列可能的疾病清单，必须随后进行实验室测试，成像，程序和咨询。
在博客文章中出版9月12日，星期四，研究人员说，他们的深度学习系统或DLS也一样。它处理的输入包括皮肤异常和元数据的临床图像（自我报告的病史组成部分）。
该团队使用两个州的远程表现实践中的17,777例识别案件对DLS进行了培训和评估。 2010年至2017年之间的案件用于培训AI。同时，2017年至2018年的数据用于评估。在培训期间，DLS利用了40多名皮肤科医生的50,000多种差异诊断。
为了测试DLS的准确性，研究人员从三位获得董事会认证的皮肤科医生的诊断中编辑了诊断。他们报告说，AI的皮肤状况排名清单获得了71％的前1名，而93％的前三名精度。
此外，当AI与临床医生在验证数据集的子集中进行比较时，DLS的诊断精度为90％或与皮肤科医生相当，并且比初级保健医生和护士从业者获得了90％的诊断精度或可比性。
为了检查潜在的偏见，他们根据Fitzpatrick皮肤类型测试了AI。菲茨帕特里克皮肤类型是范围从I型（描述为苍白，总是燃烧和果皮，永不晒黑）6型（以深棕色的肤色为特征，永不燃烧，总是晒黑）。他们发现该模型的性能是相同的。
尽管AI表现出色，但研究人员说，它尚未准备好诊断。由于数据集有限，AI无法准确检测到皮肤癌。
帮助临床医生
该系统并不是要替换临床医生但是成为帮助诊断皮肤状况的工具。
研究人员写道：“例如，这样的DLS可以帮助分类案例指导临床护理的优先级，或者可以帮助非德学医生更准确地启动皮肤病学护理，并有可能改善访问权限。”
