用于皮肤病变筛查的自动化自监督学习
计算机视觉与模式识别
2025-01-07 v2 人工智能
摘要
黑色素瘤是最致命的皮肤癌，其全球发病率持续上升，给皮肤科医生带来了重大挑战。早期检测对于提高患者生存率至关重要。然而，进行全身筛查（TBS），即通过目视检查识别可疑病变或丑小鸭病变（UDs），可能具有挑战性，且通常需要对色素性病变有扎实的专业知识。为辅助不同专业水平的用户，我们开发了一种人工智能（AI）决策支持工具。我们的方案从真实世界的宽视野患者图像中识别并表征 UDs。它采用最先进的物体检测算法来定位并隔离患者全身图像中存在的所有皮肤病变。随后，使用针对受检患者特定情境定制的自监督 AI 方法，根据这些病变的可疑程度对其进行排序。我们开展了一项临床验证研究以评估该工具的性能。结果表明，在由大多数色素性皮肤病变专家选定的皮肤病变中，AI 识别的前 10 个 UDs 平均灵敏度达 95%。研究还发现，该工具提升了皮肤科医生在形成诊断时的信心，且在我们的工具辅助下，对 AI 识别的前 10 个 UDs 的平均多数一致率达到 100%。通过开发这一基于 AI 的决策支持工具，我们旨在缓解专科医生短缺问题，缩短患者咨询时间，并展示 AI 辅助筛查的影响与可用性。未来的发展将包括扩充数据集以纳入组织学确诊的黑色素瘤，并针对更多身体部位验证该工具。
引用
@article{arxiv.2311.06691,
title = {Automatized Self-Supervised Learning for Skin Lesion Screening},
author = {Vullnet Useini and Stephanie Tanadini-Lang and Quentin Lohmeyer and Mirko Meboldt and Nicolaus Andratschke and Ralph P. Braun and Javier Barranco García},
journal= {arXiv preprint arXiv:2311.06691},
year = {2025}
}
备注
11 pages, 4 figures