Google以機器學習幫助未經皮膚科專業受訓的家庭醫學科醫師(General Practitioner,GP),提高皮膚疾病診斷能力,這套深度學習系統(Deep Learning System,DLS)能對26種皮膚疾病,提供與皮膚科醫生同準確度的診斷

Google提到,全世界有19億人有皮膚疾病,但大部分的病例都由家庭醫學科醫師診斷,而研究顯示,家庭醫學科醫師與皮膚科醫生對皮膚狀況的診斷準確度,存在明顯的差距,家庭醫學科醫師的診斷準確率落在24%至70%間,而皮膚科醫生的診斷準確率則在77%至96%。而這可能造成非最佳的轉診建議,進而延誤治療。

之前關於皮膚疾病的機器學習研究,通常集中於皮膚癌的早期篩檢,特別關注皮膚的病變,判斷其為惡性抑或是良性的皮膚癌,但Google也指出,超過90%的皮膚疾病並非惡性,而解決這些常見的疾病,對於減輕全球皮膚疾病有極大的幫助。

Google指出,通常臨床案例的判定,並非一開始就能獲得絕對的答案,醫生會給出鑑別診斷(Differential Diagnosis),以一個列表排序可能的情況,鑑別診斷可以用來對病患進行額外的檢查,直到病情確診為止。而DLS就是模仿臨床醫生開鑑別診斷的想法,給出患者可能擁有的皮膚疾病排序列表,幫助分類患者以及後續的診斷和治療。

DLS的訓練資料包括了一張或多張皮膚異常的臨床圖像,還有45種像是年齡、性別和症狀等元資料,Google總共使用了17,777個去識別化的病例,分別把2010年到2017年的病例當作訓練資料,將2017年到2018年的病例則用在評估系統上,在訓練DLS的過程,也使用了超過40位皮膚科醫生提供的五萬多個鑑別診斷。

Google為了評估DLS的準確性,將其結果與三名皮膚科醫生的診斷進行比較,在3,756個病例中,把DLS的皮膚狀況排序列表和皮膚科醫生提供的鑑別診斷相比,DLS列表第一項就正確診斷的機率達71%,而前三項診斷的準確度更高達93%。

DLS的診斷準確度與皮膚科醫生平均75%相當,且遠高過初級醫療人員(Primary Care Physicians )的60%,以及執業護士(Nurse Practitioners)的55%,前三診斷的準確度甚至可以幫助皮膚科醫生判斷病情。


Advertisement

更多 iThome相關內容