神经网络诊断皮肤癌超越人类专家？来自医疗界的这篇论文给出了证明

iagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists论文链接：https://academic.oup.com/annonc/advance-article/doi/10.1093/annonc/mdy166/5004443摘要背景深度学习卷积神经网络（CNN）可能促进黑色素瘤检测，但是仍缺乏 CNN 与大量皮肤科医生诊断表现的对比数据。方法研究者使用皮肤镜图像和对应诊断结果训练谷歌的 Inception v4 CNN 架构。在对比横断面研究中，研究者使用了包含 100 张图像的测试集（I 级：只有皮肤镜图像；II 级：皮肤镜图像和临床信息）。研究中主要的衡量指标包括：敏感度、特异性和 CNN 对病灶进行诊断分类（二分类）的 ROC 曲线下面积（AUC），以及 58 名国际皮肤科医生。次要指标包括皮肤科医生管理决策的诊断效果，以及他们的不同诊断表现。此外，CNN 的表现还与 2016 生物医学成像国际会议（ISBI）挑战赛中的 top-five 算法进行了对比。结果在 I 级诊断中，皮肤科医生对病变分类的敏感性和特异性的平均得分（±标准差）分别为 86.6% (±9.3%) 和 71.3% (±11.2%)。获得更多临床信息后（level-II），得分分别提升到了 88.9% (±9.6%, P = 0.19) 和 75.7% (±11.7%, P 结论我们首次对 CNN 与国际皮肤科医生团队（共 58 位，其中包括 30 位专家）的诊断表现进行了对比。大部分皮肤科医生的表现都不如 CNN。有了 CNN 图像分类辅助，任何内科医生（无论经验多么丰富）都有可能从中受益。蚂蚁金服举办首届金融科技领域算法类大赛——ATEC 蚂蚁开发者大赛人工智能大赛，点击「阅读原文」 进入大赛官网了解比赛信息，比赛报名请使用PC端浏览器打开官网。