编辑推荐：
使用一种新的人工智能（AI）工具，可以同时分析多种成像类型，从而更快、更准确地检测黑色素瘤和一系列其他皮肤疾病。
使用一种新的人工智能（AI）工具，可以同时分析多种成像类型，从而更快、更准确地检测黑色素瘤和一系列其他皮肤疾病。
昆士兰大学的研究人员，包括H.Peter Soyer教授和Monika Janda教授，是莫纳什大学领导的开发该工具的团队的一部分，该工具可以改善皮肤癌诊断皮肤科医生在读者研究中使用时，准确率提高了11%。
“PanDerm”分析多种类型的图像，包括特写照片、皮肤镜图像、病理切片和全身照片。
一系列评估表明，该模型帮助非皮肤科医生的医疗保健专业人员将其他各种皮肤病的诊断准确率提高了16.5%。
它还可以支持临床医生早期检测皮肤癌，在临床医生检测之前识别潜在的相关变化。
Soyer教授表示，该工具在繁忙或资源有限的环境中，或在接触皮肤科医生可能有限的初级护理中，可能特别有价值。
“由于城市、地区和农村医疗空间的可用资源水平不同，成像和诊断技术可能会出现差异。PanDerm的优势在于其支持现有临床工作流程的能力。
我们已经看到，即使只对少量标记数据进行训练，该工具也能够表现出强大的性能，这是在标准注释数据通常有限的各种医疗环境中的一个关键优势。"
经过200多万张皮肤图像的培训，该模型的数据来自多个国家的11家机构，涵盖4种类型的医学图像。
第一作者、莫纳什大学博士生Siyuan Yan表示，多模态方法是该系统成功的关键。
Yan说：“通过对PanDerm进行不同成像技术的不同数据培训，我们创建了一个系统，可以像皮肤科医生一样理解皮肤状况；通过综合各种视觉来源的信息。”
目前，全球70%的人口都患有皮肤病，早期准确的诊断至关重要，可以带来更好的治疗效果。
与目前的模型不同，PanDerm是通过训练来执行单个任务的，它在一系列临床任务上进行评估，例如皮肤癌筛查、预测癌症复发或扩散的可能性、皮肤类型评估、痣计数、跟踪病变变化、诊断各种皮肤状况以及分割病变。
阿尔弗雷德健康维多利亚黑色素瘤服务总监维多利亚·马尔教授表示，潘德姆在帮助检测病变随时间的细微变化以及提供病变生物学和未来转移潜能的线索方面表现出了良好的前景。
Mar教授说：“这种帮助可以支持对黑色素瘤高危患者进行早期诊断和更持续的监测。”
“在现实世界的医院或诊所中，医生使用不同的方法和不同类型的图像来诊断皮肤癌或其他皮肤病。”
尽管显示出有希望的研究结果，但PanDerm目前正处于更广泛的医疗实施之前的评估阶段。
该团队计划建立跨人口统计学评估的标准化协议，并进一步研究该模型在不同临床环境中的性能，特别关注确保不同患者群体和医疗环境之间的公平性能。
由莫纳什大学人工智能和机器学习专家领导的研究还包括与布里斯班亚历山大公主医院、阿尔弗雷德健康、维也纳医科大学、新加坡NVIDIA人工智能技术中心、佛罗伦萨大学、皇家王子阿尔弗雷德医院、，西班牙阿利坎特大学新南威尔士健康病理与医院。
