科學家開發自動化技術可在早期階段檢測黑色素瘤

即使是zui牛的專家也有可能被黑色素瘤愚弄。患上這種皮膚癌的病人經常會在皮膚上長出一些看起來像痣的東西但是形狀和顏色可能不規則，很難與良性的痣進行區分，因此黑色素瘤的診斷非常困難。

現在來自美國洛克菲勒大學的研究人員開發出一種自動化技術，結合影像檢查與數字分析以及機器學習幫助醫生在早期階段檢測病人的黑色素瘤。

“在關于如何評估黑色素瘤的皮膚病領域亟待建立標準化規范。通過篩查進行黑色素瘤的檢測能夠拯救許多病人但是也存在很大挑戰，即使是對可疑病變進行提取和活檢，能夠確定為黑色素瘤的病例也只有大約10%。”James Krueger教授這樣說道。

在這個新方法中，病變的圖片會經過一系列計算機程序的處理，從中提取顏色數目以及其他可定量數據。這種分析方法會產生一個整體的風險指數，叫做Q指數，代表著發生癌變的可能性。

zui近發表在Experimental Dermatology上的一項研究對這種方法的可用性進行了評估，研究表明Q指數在發現早期黑色素瘤方面的正確率很高。對正常痣的正確檢測率為36%，接近皮膚病專家在顯微鏡下對可疑痣的直觀檢測。

研究人員在開發該工具的過程中使用了60張黑色素瘤的圖片和等量的良性生長物圖片，用圖像處理程序進行分析。他們開發了圖像標記物來準確定量生長物的視覺特征，再利用計算機軟件產生一系列可定量指標來區分兩組圖片。

通過將數據與每一種標志物進行結合，他們為每張圖片計算出一個Q指數，介于0和1之間，數字越大代表癌變的可能性越大。

之前曾有研究發現，病變的顏色數目是確定癌變的zui顯著標記物。如果只看某些特定顏色通道，另外一些標記物也會比較顯著，根據這一發現或可開發更多標記物來提高診斷的準確性。

研究人員表示，他們下一步計劃在更大的研究中對這種方法進行評估，進一步研究如何利用特定的顏色來揭示病變的更多細節，這可能對于未來進行黑色素瘤的診斷非常有用。