斯坦福大学的一组计算机科学家创建了一个功能强大的人工智能诊断算法，可以像经验丰富的皮肤科医生一样检测危险的皮肤病变。
他们的最终产品在《自然》杂志上发表的一篇论文中进行了描述，在诊断皮肤病变方面能够与21位获得董事会认证的皮肤科医生的性能相媲美。
斯坦福大学人工智能实验室的兼职教授塞巴斯蒂安·特伦（Sebastian Thrun）在新闻稿中说：“我们意识到，不仅要做一件好事，而且要做一名人类皮肤科医生，这是可行的。”“那是我们的思想改变的时候。那就是我们说的时候：“看，这不仅是针对学生的课堂项目，这是一个为人类做点大事的机会。”
对于他们的新的深度学习算法，研究人员首先建立了一个数据库，该数据库包含近13万张代表2000多种不同疾病的皮肤病变图像。图像取自他们的医学院的记录和不同出版的医学杂志。
研究人员使用他们新近编译的皮肤损伤数据库，训练了一种算法，该算法由Google开发和提供，用于视觉诊断潜在的癌症。Google的算法已经过训练，可以从1,000个对象类别中识别出128万张图像。但是，研究人员需要重新训练该算法，因为该算法最初是为了能够区分猫和狗而设计的。
为了测试新训练算法的准确性，研究人员招募了21名获得董事会认证的皮肤科医生。研究人员要求皮肤科医生根据显示给他们的每幅图像确定他们是否将继续进行活检，治疗或使患者放心。
另一方面，该算法经过编程，可通过三个关键诊断任务评估病变：使用皮肤镜检查时，可评估角质形成细胞癌分类，黑色素瘤分类和黑色素瘤分类。
基于他们在370幅图像中正确诊断癌性和非癌性病变的成功评估了皮肤科医生的性能，同时通过创建敏感性-特异性曲线来测量算法的性能。
研究人员发现，该算法使皮肤科医生在所有三项任务中的表现都与敏感性-特异性曲线下的面积至少占图总面积的91％相匹配。
