Google發(fā)布機器學習在皮膚病檢測方面的兩項新研究

10月25日消息,近幾年，機器學習已經在放射學、病理學和皮膚病學等各個應用領域取得了長足進展。此前，Google 分享了人工智能皮膚病學輔助工具的預覽，近期，Google發(fā)布兩項新研究，有望幫助機器學習在皮膚病檢測方面取得新的進步。

自監(jiān)督學習推進醫(yī)學圖像分類

近年來，人們對將深度學習應用于醫(yī)學成像任務越來越感興趣，在放射學、病理學和皮膚病學等各種應用領域取得了令人振奮的進展。盡管大家興致盎然，但開發(fā)醫(yī)學成像模型仍然一定的具有挑戰(zhàn)性，因為由于注釋醫(yī)學圖像需要比較大的工作量，高質量的標記數據通常很少。鑒于此，遷移學習（指解決一個問題時獲得的知識并將其應用于不同但相關的問題）是構建醫(yī)學成像模型的常用模式。使用這種方法，首先在大型標記數據集（如ImageNet）上使用監(jiān)督學習（讓機器學習一個函數）對模型進行預訓練，然后在域內醫(yī)療數據上對學習的通用結果進行微調。

隨著輸入皮膚顏色的變化，病變的外觀也會發(fā)生變化，以匹配不同皮膚類型的病變。

自監(jiān)督預訓練比監(jiān)督預訓練更具可擴展性，因為不需要類標簽注釋，希望在未來將有助于在醫(yī)學圖像分析中推廣自監(jiān)督方法的使用，從而產生適用于現(xiàn)實世界中大規(guī)模臨床部署高效且穩(wěn)健的模型。

描述不足給機器學習帶來的挑戰(zhàn)

隨著機器學習模型使用的領域愈發(fā)廣泛，機器學習常常會出現(xiàn)一些“意想不到”的行為。例如，在計算機視覺模型中，對不相關的特性表現(xiàn)出驚人的敏感度。或者在“精心策劃”的ML模型訓練及解決與應用領域在結構上不匹配的預測問題當中，即使處理了一些已知問題，模型行為在部署中仍可能表現(xiàn)出差異性，甚至在訓練運行之間也會產生變化。

Google表明在現(xiàn)代機器學習系統(tǒng)中特別普遍的一種故障原因是描述不足（underspecification)。描述不足指的是從業(yè)者在構建 ML模型時經常想到的需求與即模型的設計及執(zhí)行之間的差距。在實際實例中，Google發(fā)現(xiàn)描述不足還具有別的實際意義，事實表明單獨的標準保持測試不足以確保其在醫(yī)療中的可用性。

壓力測試中醫(yī)學影像模型的相對可變性。左上角：當對來自不同相機類型的圖像進行評估時，使用不同隨機種子訓練的糖尿病視網膜病變分類模型之間的 AUC變化。在這個實驗中，在訓練過程中沒有遇到相機類型 5。左下角：在對不同估計皮膚類型進行評估時，使用不同隨機種子訓練的皮膚狀況分類模型之間的準確性差異（由皮膚科醫(yī)生培訓的非專業(yè)人士從回顧性照片中得出的近似值，并可能受到標簽錯誤的影響）。右：來自原始測試集（左）和壓力測試集（右）的示例圖像）。

解決描述不足是一個具有挑戰(zhàn)性的問題，需要對超出標準預測性能的模型進行完整的規(guī)范和測試。要做到這一點，需要充分了解將使用模型的前因及后果，了解如何收集訓練數據，并且通常在可用數據不足時結合領域專業(yè)知識。

應用程序幫助判斷皮膚健康

Google AI驅動的皮膚病學輔助工具是一個基于網絡的應用程序，輔助判斷皮膚可能發(fā)生的情況。啟動該工具后，只需使用手機的相機從不同角度拍攝三張皮膚、頭發(fā)或指甲問題的圖像。然后，應用程序將詢問用戶皮膚類型、出現(xiàn)問題的時間以及其他癥狀。AI模型將分析信息，為用戶提供可能的匹配條件列表，方便用戶進行進一步確認。

根據用戶提供的照片和信息，人工智能皮膚科輔助工具將提供建議的條件

對于每個匹配條件，該工具將提供皮膚科醫(yī)生審查的信息和常見問題的答案，以及來自網絡的類似匹配圖像。但需要注意的是，該工具并非旨在提供診斷，也不能替代醫(yī)療建議，Google開發(fā)該工具是希望幫助用戶在可能出現(xiàn)皮膚問題的時候，及時就醫(yī)，以便對下一步做出更明智的決定。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。