斯坦福大学的研究人员编写了一套机器学习算法，其能够在识别可能致命的皮肤疾病方面拥有与皮肤科医生一样的准确判断能力。
我们不妨大胆试想一下，或许某天能通过掌上设备利用人工智能方案获得与皮肤科医生相同的皮肤癌诊断效果。
这项研究来自斯坦福大学人工智能实验室的一支团队，他们开发出一套机器学习算法，旨在通过学习医生观察皮肤病变的方式了解如何进行癌症诊断。该团队邀请21名认证皮肤科医师对该算法进行了测试，并证明其诊断效果与人类一致。
“我们意识到其具备可行性，且不仅仅只是提供辅助效果，而是真正与人类皮肤科医生拥有同等表现，”斯坦福大学人工智能实验室副教授Sebastian Thrun在一份声明中指出。“我们的想法已经彻底改变了。我们意识到，‘看，这不仅仅是一种实验性项目，而是为人类造福的伟大机遇。’”
Thrun还曾经参与过Udacity与Google X的开发工作。由他与同事联合撰写的一篇相关论文已经于本周三被发表在《自然》杂志之上。
研究人员们设想使该算法能够与智能手机相兼容，从而确保任何人都能够获得这种皮肤癌诊断能力。
“早期检测可谓至关重要，因为黑色素瘤在早期发现条件下的五年存活率超过99%，而晚期发现的存活率则仅为约14%，”论文指出。“我们开发出一种计算方法，其允许医生与患者主动追踪皮肤病变并进行癌症早期检测。”
该项人工智能研究属于一套卷积神经网络，与谷歌用于学习围棋技艺的系统属于同一类别。
研究人员使用了谷歌推出的一套人工智能系统，即已经被用于对多种不同对象进行视觉识别的GoogleNet Inception v3 CNN架构。不过在此之前，其并未接受过对恶性癌症及良性皮肤病变间的差异进行识别的训练，因此该团队汇总出一套数据集以将这套神经网络转化为数字化皮肤科医师。
“由于缺少庞大的皮肤癌数据集，我们只能自己动手建立数据集以训练相关算法，”本文联合主笔作者兼斯坦福大学研究生Brett Kuprel表示。“我们从互联网处收集图像，并与医学院合作以在极为混乱的数据当中创建出一套准确的分类——标签只包含几种语言，包括德语、阿拉伯语以及拉丁语。”
在此项目中，编程人员同皮肤科医师及其他众多医疗领域从业者开展紧密合作。
“计算机辅助分类在良性与恶性皮肤病变领域的进展能够极大提升皮肤科医师对于病变的诊断结果，同时为患者提供更好的治疗选项，”皮肤病学教授兼论文合著者Susan Swetter表示。“然而我们还需要对该算法进行严格的前瞻性验证，而后才能将其引入临床实践当中。”
去年，谷歌公司宣布其训练了一套算法以发现由糖尿病引发且可能导致失明的视网膜病变。幸运的是，虽然目前此类形式的人工智能“医师助手”尚未被正式引入医院及诊所，但基于同样技术的人工智能围棋棋手已经通过比赛证明了其强大的能力。