國際生醫新聞

黑色素瘤是迄今為止最致命的皮膚癌，在美國僅 2019 年就造成 7,000 多人致命。盡早發現該疾病可大幅降低死亡風險和治療成本，但是目前尚無法進行廣泛的黑素瘤篩檢，因為，如果要篩查整個人群中是否存在可作為癌症指標的可疑色素沉澱症 (SPL)，以美國大約 12,000 名執業的皮膚科醫生來說，每位醫生每年將需要看 27,416 名患者，更不用說，每位患者身上會有多少的痣或斑。

近年來，電腦輔助診斷 (CAD) 系統嘗試透過分析皮膚病變的圖像並自動識別 SPL 來解決此問題，但至今並未能有效地幫助黑色素瘤的診斷。這些 CAD 演算法經過訓練，可以分別評估每個皮膚病變的可疑特徵，但是面對實際的臨床診斷，皮膚科醫生會比較單個患者的多個病變位置，以確定其是否癌變，這種方法通常稱為「醜小鴨」標準。迄今為止，CAD 系統並無法複制此診斷過程。

但現在，由哈佛大學 Wyss 生物啟發工程研究所和麻省理工學院 (MIT) 的研究人員開發出新的 CAD 系統，應用的原理是卷積神經網路 (convolutional deep neural networks, CDNNs)，新系統成功地以約 90% 的準確度將患者皮膚照片中的 SPL 與非可疑病變區分開來，並首次建立了新的一種「醜小鴨」度量標準。

測試時，該系統與三名皮膚科醫生同時檢查了 68 例患者的 135 張廣角照片，新系統的判斷與三位醫師的診斷共識相符的機率為 88%，而與各個皮膚科醫師判斷一致的機率為 86%。

該團隊為了確保未經專業皮膚病學培訓的人員可以使用他們的系統，於是創建了一個包含 33,000 多個患者皮膚「寬視野」的圖像數據庫，所謂的「寬視野」是指除了皮膚外還包括背景和其他非皮膚物體，經過學習，讓 CDNNs 能夠從一般相機拍攝的照片就可以進行診斷。這些圖像包含 SPL 和非可疑的皮膚病變，這些病變圖像經由三名通過委員會認證的皮膚科醫生共同確認。在對數據庫進行了訓練並經過完善的測試之後，該系統能夠以 90.3% 的靈敏性和 89.9% 的特異性區分可疑和非可疑病變，與以前發布的系統相比有所改善。

但這個基線系統還是在分析單個病灶的特徵，而不是像皮膚科醫生那樣分析多個病灶的特徵。為了將「醜小鴨標準」加入到他們的模型中，該團隊在第二階段使用其照片中提取的特徵來創建病變的 3D 地圖。首先先建立「典型」圖像的基準，計算每個病變的特徵離典型有多遠，並與圖像中的其他病灶相比，一個給定的病灶越是「奇怪」，它就離 3D 空間的中心越遠。這個距離是「醜小鴨標準」第一個可以被量化的定義，利用深度學習網路來克服識別並同時檢查單個患者中所有色素性病變之間的差異，這是一個艱鉅且耗時的事，但是新的 CAD 系統成功地完成了這個任務，將來任何人可以使用智慧手機拍攝圖像就可以診斷潛在的皮膚癌病變，達到與皮膚科醫師級別的準確性，這對於早期發現和治療黑色素瘤有著很大幫助，將來的遠距醫療指日可待。

資料來源：MedicalXpress、MedPage Today、LHSFNA