黒色腫は、世界中の皮膚がん関連の死亡の70％以上を占める悪性腫瘍の一種です。 何年もの間、医師は皮膚がんの兆候である可能性のある疑わしい色素性病変（SPL）を特定するために目視検査に依存してきました。 プライマリケア環境におけるSPLのこのような初期段階の特定は、黒色腫の予後を改善し、治療費を大幅に削減することができます。

課題は、潜在的な生検について評価する必要があることが多い色素性病変が大量にあるため、SPLを迅速に見つけて優先順位を付けることが難しいことです。 現在、MITやその他の研究者は、深い畳み込みニューラルネットワーク（DCNN）を使用し、ほとんどのスマートフォンやパーソナルカメラで一般的な広視野写真を使用してSPLの分析に適用する、新しい人工知能パイプラインを考案しました。

DCNNは、画像を分類（または「名前付け」）してクラスター化するために使用できるニューラルネットワークです（写真検索の実行時など）。 これらの機械学習アルゴリズムは、深層学習のサブセットに属しています。

ポスドクで現在医療機器の専門家であるルイス・R・ソンクセン氏によると、このプログラムはカメラを使用して患者の体の広い領域の広視野写真を撮影し、DCNNを使用して初期段階の黒色腫を迅速かつ効果的に特定してスクリーニングします。人工知能とヘルスケアにおけるMITの最初のベンチャービルダー。 Soenksenは、MIT医工学科学研究所（IMES）の教員であるMartha J. Gray、W。Kieckhefer健康科学技術教授、電気工学およびコンピューター科学教授を含むMIT研究者と研究を行いました。 ジェームズ・J・コリンズ、医用生体工学および科学および生物工学のテルミア教授。

最近の論文の筆頭著者であるSoenksenは、次のように述べています。広視野画像からの疑わしい色素性皮膚病変の皮膚科医レベルの検出のための深層学習の使用、" に発表されました 科学翻訳医学、 「SPLの早期発見は命を救うことができます。 しかし、大規模な包括的な皮膚スクリーニングを提供する医療システムの現在の能力はまだ不足しています。」

この論文では、DCNNを使用して、より多くの調査が必要な皮膚病変、定期的なプライマリケア訪問中に、または患者自身が行うことができるスクリーニングをより迅速かつ効率的に特定するSPL分析システムの開発について説明します。 このシステムは、DCNNを利用して、広視野画像内のSPLの識別と分類を最適化しました。

研究者たちはAIを使用して、マドリッドのグレゴリオマラニョン病院の20,388人の患者からの133枚の広視野画像と、公開されている画像を使用してシステムをトレーニングしました。 画像は、消費者がすぐに利用できるさまざまな通常のカメラで撮影されました。 研究者と協力している皮膚科医は、比較のために画像内の病変を視覚的に分類しました。 彼らは、面倒で時間のかかる個々の病変のイメージングの必要性を回避することにより、システムがSPLを疑わしくない病変、皮膚、および複雑な背景から区別する際に90.3パーセントを超える感度を達成することを発見しました。 さらに、この論文は、検出された病変からのDCNNの特徴に基づいて、患者内の病変の顕著性（醜いアヒルの子の基準、または他の人から際立っているXNUMX人の個人の皮膚の病変の比較）を抽出する新しい方法を提示します。

「私たちの研究は、コンピュータービジョンとディープニューラルネットワークを活用し、そのような一般的な兆候を定量化するシステムが、専門の皮膚科医に匹敵する精度を達成できることを示唆しています」とSoenksenは説明します。 「私たちの研究が、適切な紹介を促進するために、プライマリケア環境でより効率的な皮膚科スクリーニングを提供したいという願望を活性化することを願っています。」

研究者によると、そうすることで、SPLSのより迅速で正確な評価が可能になり、黒色腫の早期治療につながる可能性があります。

論文の上級著者であるグレイは、この重要なプロジェクトがどのように発展したかを説明します。「この作品は、MIT Catalystプログラムのフェロー（共著者XNUMX人）によって開発された新しいプロジェクトとして始まりました。差し迫った臨床ニーズ。 この作品は、科学を活用して人間の健康を促進するというHST / IMESの信者（Catalystの伝統が設立された）のビジョンを例示しています。」 この作品は、健康における機械学習のためのアブドゥル・ラティフ・ジャミール・クリニックと、マドリッド-MITM +Visiónコンソーシアムを通じてマドリッドのユベントス・イ・デポルテス・デ・ラ・コムニダードのコンセヘリア・デ・エドゥカシオンによってサポートされました。