皮肤癌诊断：探索强化学习以提高人工智能的性能

(相关资料图)

人工智能(AI)已被用于诊断皮肤癌，但它(尚)无法跟上医生在实践中复杂决策的步伐。由维也纳医科大学 Harald Kittler 领导的一个国际研究团队现在探索了一种学习方法，通过结合人类决策标准，可以提高人工智能结果的准确性。这样，皮肤科医生对皮肤癌的正确诊断率提高了12%。该研究发表在《自然医学》杂志上。

研究人员的研究基于强化学习(RL)模型，并将“奖励表”形式的(人类)标准集成到人工智能系统中。奖励表是从医生和患者的角度将临床评估的积极和消极后果纳入决策过程的工具。

在此基础上，人工智能诊断结果不仅被评定为正确或错误，而且根据诊断或由此产生的决策的影响，给予一定数量的加分或减分的“奖励”或“惩罚”。

从人类评估中学习

“通过这种方式，人工智能不仅学会了考虑基于图像的特征，还学会了在评估良性和恶性皮肤表现时考虑误诊的后果，”维也纳医科大学皮肤科的研究负责人 Harald Kittler 说。

研究表明，皮肤癌诊断的准确性可以显着提高：例如，黑色素瘤的敏感性从 61.4% 提高到 79.5%，基底细胞癌的敏感性从 79.4% 提高到 87.1%。

总体而言，RL 的使用使皮肤科医生的正确诊断率提高了 12%，而疾病管理和治疗的最佳决策率从 57.4% 提高到 65.3%。

关键词：