Dermatologist-level classification of skin cancer with deep neural networks
Nature 542, 115–118
這篇文章的作者來自史丹佛大學的學者，有EE(電機)背景的，也有皮膚科醫師，皮膚癌是最容易使用視覺圖像診斷的癌症之一，包括臨床與病理切片，每個皮膚科醫師都經過訓練與學習，但這次我們遇到的對手是深度卷積神經網絡（Deep Convolutional Neural Network, CNN），這個深度神經網路透過學習相片與診斷，學習了2032種病的129450張臨床相片，人類代表則是21個通過美國皮膚專科醫師考試的皮膚科醫師。
考試的內容呢，主要是區分
1.惡性角質細胞腫瘤(keratinocyte carcinoma)和良性老人斑(seborrheic keratosis)
2.惡性黑色素癌跟良性痣
這兩個考題確實是臨床皮膚科醫師最常遇到的問題，標準答案則根據病理切片結果決定。
考試的範例就像這樣，包括臨床照片和色素病灶的皮膚鏡照片。
考試結果：
紅色點點代表一個皮膚科醫師，綠色十字是皮膚科醫師的平均表現，藍色曲線是電腦學習網路的AUC線，可以看到，在上排人類和電腦表現非常接近，前兩項考試還算勢均力敵，但在診斷黑色素癌的皮膚鏡照片上，電腦的表現似乎還稍微略勝一籌...
下面三個圖則是，如果給電腦更多張相片考試(人類看這麼多張可能會累XD)可以得到更漂亮平滑的曲線，AUC可以達到0.94-0.96，真的非常恐怖！
這個經過學習的神經網路，診斷的功力和人類皮膚科醫師，至少有一樣的水準!甚至可能更超越人類診斷的敏感性/特異性。
(我恐怕要失業了 哭)
當然皮膚科醫師的價值不只是在看照片做診斷，我們還會詢問病史，做整體理學檢查，給予衛教以及安排適合病人的個人化治療計畫，
這篇短短的論文，給了我們輔助診斷工具的希望，也是個要提昇自己更多樣能力的警訊。
