机器学习和黑素瘤：筛查的未来

Tyler Safran , DEC , Alex Viezel-Mathieu , MDCM , Jason Corban , MDCM , Ari Kanevsky , Stephanie Thibaudeau, MD, FRCSC , and Jonathan Kanevsky , MDCM

主题负责人：杨勇 北京大学第一医院

审校：曾跃平 北京协和医院

翻译：段晓茹 华中科技大学同济医学院附属协和医院

致编辑：提高诊断的解决之道可能在机器学习（Machine learning，ML）领域。ML是一种利用计算机算法辅助临床决策或预测临床结果的人工智能技术。ML技术已经成功地广泛应用于众多医学专业1。迄今为止，已发表的文献中还没有评估ML技术用于黑素瘤筛查的综述。

根据系统综述和荟萃分析优先报告的条目（Preferred ReportingItems for Systematic Reviews and Meta-Analyses，PRISMA）指南，这是一套确保系统评价报告最优化的指导方针，我们对PubMed数据库进行了系统回顾。本研究纳入了所有包括ML和黑色素瘤筛查在内的客观研究结果。两位评审者使用严格的搜索标准独立评估所得文章。根据PRISMA标准评估保留文章的偏倚风险和证据等级。

经过3轮回顾后，720篇文章中有48篇符合纳入标准，包括了经50种不同ML筛选技术分析的29,971个已组织学证实的皮肤病变。被剔除的文章所有文章不包含ML算法与定量结果。从文章作者处可获得个别的研究细节。从这48篇文章中可得出ML算法诊断黑素瘤的平均灵敏度为87.60％（n= 50）（95％置信区间，72.72-100.00）和平均特异度为83.54％（n= 34）（95％置信区间，60.92-100.00）（表I）。

根据分析所用的算法不同将研究分为7组，这些组包括人工神经网络（n= 23），支持向量机（n= 8），决策树（n= 5），聚类分析（n= 4），贝叶斯网络（n= 3）以及其他（n= 10）。“其他”组中的文章使用的分析技术包括边界分析、K最邻近算法、森林图、主成分分析、低阶图像处理和一些独特的算法。本研究分别计算了每个组的平均灵敏度和特异度（表II）。

本研究旨在总结目前诊断黑素瘤最常用的ML技术。为了评估ML作为一个有效的筛选工具的可行性，它必须与目前的筛查工具皮肤镜进行比较。Rajpara等人认为，经验丰富而专业地应用皮肤镜诊断黑色素瘤的灵敏度和特异度分别为88%和86%2。比较目前的研究结果发现，ML和皮肤镜的灵敏度和特异度之间无显著统计学差异。这表明，一个训练有素的皮肤科医生用皮肤镜进行诊断的能力优于目前ML算法筛查的这一结论没有足够的证据支持。事实上，没有足够的数据表明ML算法和皮肤镜的敏感性和特异性不同这一点是重要的，因为已有研究可能使用了惩罚值以增加其灵敏度缺牺牲了其特异度。

随着技术的进步和日益增多的可用的训练数据，ML算法将在未来的诊断精度上继续提高，可能会超过人类的诊断水平。近期一项研究发现，使用129,450种不同组织学证实的皮损图像训练后的一项ML算法，其诊断黑素瘤的准确性可与21位执业皮肤科医生一样。

值得注意的是，ML筛查黑色素瘤并非没有局限性。用户对算法计算得出诊断背后的基本原理并不清楚，因为算法使用的方法很复杂，通常不呈现出来。因此，如果临床医生的诊断和算法的计算诊断之间存在差异，那识别在算法方法中存在的问题就具有挑战性。此外，本综述总结了使用异构数据输入训练ML策略的结果。尽管研究声明所有黑色素瘤病变都经过了活检证实，但是不同研究之间，图像类型、图像质量和黑色素病变的部位可能不同。未来的研究需要比较以同质方式进行测试的不同诊断算法。

尽管有其局限性，ML技术已被证明与皮肤镜黑色素瘤的筛查标准的水平相当。这种技术可以使非皮肤科医师和经验较少的医师通过使用计算机辅助自动诊断，在黑素瘤的早期诊断中发挥积极的作用。ML算法可以允许医生扫描任何病变得到快速和可靠的结果，并且可以帮助减少忽视潜在恶性病变和过度诊断某些良性病变如脂溢性角化症。这种多步骤验证系统最终可以减少延迟诊断和提高生存率。

筹资渠道：无。

利益冲突：无申明。

通讯地址：Jonathan Kanevsky, MDCM, Division ofPlastic and Reconstructive Surgery, McGill University Health Center, MontrealGeneral Hospital, 1650 Av Cedar, Montréal, QC H3A2B4, Canada.

邮箱 ：jonkanevsky@gmail . com 或Tyler.safran@mail . mcgill . ca

本文原创，欢迎个人转发分享，其他任何媒体、网站如需转载或引用，须获得授权且在醒目位置注明出处。