用于皮肤病鉴别诊断的深度学习系统
图像与视频处理
2020-06-03 v1 计算机视觉与模式识别
摘要
皮肤病估计影响全球 19 亿人。皮肤科医生短缺导致候诊时间长，并使患者向全科医生寻求皮肤科诊疗。然而，据报道全科医生的诊断准确率仅为 0.24–0.70（皮肤科医生为 0.77–0.96），导致转诊错误、诊疗延迟及诊断与治疗失误。本文中，我们开发了一个深度学习系统（DLS），为临床病例（皮肤照片及相关病史）提供皮肤病的鉴别诊断。该 DLS 可区分代表初级诊疗中约 80% 皮肤病量的 26 种皮肤病。DLS 使用来自服务 17 个临床点的远程皮肤科实践的去标识病例，经时间切分开发与验证：前 14,021 例用于开发，后 3,756 例用于验证。在验证集上，由三名获委员会认证的皮肤科医生组成的小组为每例定义参考标准，DLS 分别取得 0.71 和 0.93 的 top-1 与 top-3 准确率。对于验证集的一个随机子集（n=963 例），18 名临床医生复审病例以作比较。该子集上，DLS 取得 0.67 的 top-1 准确率，非劣于获委员会认证的皮肤科医生（0.63，p<0.001），且高于初级保健医生（PCPs，0.45）与执业护士（NPs，0.41）。top-3 准确率呈现相似趋势：DLS 0.90，皮肤科医生 0.75，PCPs 0.60，NPs 0.55。这些结果凸显了 DLS 通过建议可能未被考虑到的鉴别诊断，来增强全科医生准确诊断皮肤病的潜力。未来工作需前瞻性评估该工具在实际临床工作流中使用的临床影响。
引用
@article{arxiv.1909.05382,
title = {A deep learning system for differential diagnosis of skin diseases},
author = {Yuan Liu and Ayush Jain and Clara Eng and David H. Way and Kang Lee and Peggy Bui and Kimberly Kanada and Guilherme de Oliveira Marinho and Jessica Gallegos and Sara Gabriele and Vishakha Gupta and Nalini Singh and Vivek Natarajan and Rainer Hofmann-Wellenhof and Greg S. Corrado and Lily H. Peng and Dale R. Webster and Dennis Ai and Susan Huang and Yun Liu and R. Carter Dunn and David Coz},
journal= {arXiv preprint arXiv:1909.05382},
year = {2020}
}