近期，谷歌人工智能 AlphoGo 与李世石的人机围棋大战引起了广泛的关注。随着医学和计算机科学的发展，人工智能在未来是否能代替医生看病呢？事实上，很多人早就在琢磨这事了。
美国匹兹堡大学的 Ferris LK 博士开发了一种可对皮肤黑素细胞性损害进行分类的皮肤镜图像计算机辅助系统，用于对疑似黑素瘤损害实施无创评估，近期，在 J Am Acad Dermatol 上发表了对该分类系统的研究评价，现介绍如下：
研究概述
该项研究计算了这一分类系统对 173 处组织学确诊的皮损（39 处黑素瘤、14 处非黑素瘤性皮肤癌和 120 处良性皮损）皮肤镜图像的严重度评分，并采用阈值评分 0.4 确定了该系统的敏感性和特异性。
为了比较该分类系统与医生诊断黑素瘤的敏感性和特异性，同时在 30 名皮肤科医生中实施了一项阅片者研究，该研究纳入了由 65 处损害组成的亚集，包括 25 处黑素瘤和 40 处良性损害，实例如图 1 所示。
图 1. 阅片者研究中采用的图像实例。（A）原位黑素瘤严重度评分为 0.31（被分类为良性），23.3% 的阅片医生选择对其活检；（B）Breslow 厚度 0.26 mm 的侵袭性黑素瘤评分为 0.87（恶性），100% 的医生选择活检；（C）Breslow 厚度 0.45 mm 的侵袭性黑素瘤评分为 0.772（恶性），26.7% 的医生选择活检；（D）低分级发育不良痣评分为 0.289（良性），53.3% 的医生选择活检；（E）低分级发育不良痣评分为 0.719（恶性），10% 的医生选择活检；（F）来自未活检的良性测试集的损害（被 2 名皮肤科医生选择为良性）评分为 0.31（良性）
采用该分类系统，侵袭性黑素瘤的皮损严重度评分最高（0.772），良性痣的评分最低（0.337）。诊断黑素瘤的敏感性为 97.4%，诊断非黑素瘤性皮肤癌的敏感性 78.6%，在 120 处良性损害中，53 处被正确地分类为良性，得出的特异性为 44.2%。
在阅片者研究中，医生诊断黑素瘤的敏感性为 70.8%，特异性为 58.7%。采用同一测试亚集，该分类系统对黑素瘤的敏感性为 96.0%，显著高于医生，但特异性为 42.5% 显著低于医生。
应用前景
早期检出对降低黑素瘤的死亡率和治疗费用至关重要，如何选择疑似黑素瘤的皮损进行活检颇具挑战性，临床上广泛采用皮肤镜提高黑素瘤的检出率。
Ferris LK 博士开发的计算机分类系统利用皮损皮肤镜图像进行计算机辅助诊断。经验证，该系统诊断黑素瘤的敏感性高于医生，但特异性则不如医生。
该分类系统可用于帮助非皮肤科医生实施人群筛查，以及辅助皮肤科医生决定是否应进行皮损活检。同时，它似乎还预示着未来利用人工智能分担某些临床工作的美好前景，网传阿里巴巴董事局主席马云先生预测 30 年后医生可能会失业，这个预言真的会应验吗？
