皮肤癌应用程序无法识别罕见侵袭性癌症
发布日期：2021-10-20根据在欧洲皮肤病学和性病学会年会上提出的一项研究，用于检测皮肤癌的直接面向消费者的机器学习模型，可能无法充分识别罕见但具有侵袭性的皮肤癌。
伦敦大学 MBCh.B. 的 Lloyd Steele 及其同事，评估了机器学习模型对默克尔细胞癌 (MCC) 和无色素黑色素瘤的性能。使用包括 28 个 MCC、35 个无色素黑色素瘤、28 个脂溢性角化病和 25 个血管瘤在内的一组图像，评估了直接面向消费者的模型的性能，该模型在欧洲作为经过认证的医疗设备提供。
研究人员发现，直接面向消费者的应用程序错误地将 28 个 MCC 中的 5 个（17.9%）和 35 个无色素黑色素瘤中的 7 个（22.9%）错误地归类为低风险。
近三分之二的良性病变 (62.2%) 被归类为高风险，该模型检测恶性肿瘤的灵敏度为 79.4%，特异性为 37.7%。“为了改进，机器学习模型评估应该考虑将在实践中看到的疾病谱，斯蒂尔在一份声明中说，目前这些模型的大部分性能，是由可用的成像数据驱动的，当涉及到罕见的皮肤癌时，这种数据尤其稀缺。”
