XiaoMi-AI文件搜索系统
World File Search System皮肤科
探索人工智能在 COVID-19 期间在皮肤科实践中的实用性
人工智能中的种族偏见危害 计算机医学中常见的种族差异偏见限制了人工智能的发展。多年来，大多数皮肤病学研究，尤其是皮肤癌研究，都是针对肤色较白的人群进行的。这种偏见是以牺牲深色皮肤患者为代价的，他们的皮肤状况和症状表现不同，9 并直接反映在可用于开发人工智能算法的可用数据集中。由于这些数据不足以完成任务，人工智能可能会误诊有色人种的皮肤癌或完全错过现有病症。10 因此，随着人工智能在皮肤病学中的兴起，有色人种中报告的皮肤癌死亡率较高可能会持续存在。11 需要使用更具代表性的图像皮肤病变数据库来为人工智能算法创建具有多样性代表性和适用性的数据集。12
皮肤科中的人工智能
皮肤镜图像用于黑色素瘤手术切除。Int J Comput Assist Radiol Surg 2017;12:1021-30。2. Esteva A、Kuprel B、Novoa RA、Ko J、Swetter SM、Blau HM 等。使用深度神经网络对皮肤癌进行皮肤科医生级别分类。Nature 2017;542:115-8。3. Tan E、Lin F、Sheck L、Salmon P、Ng S。一种实用的决策树模型，用于预测眼周基底细胞癌切除后重建手术的复杂性。J Eur Acad Dermatol Venereol 2017;31:717-23。4. Chichi N、Takwoingi Y、Dinnes J、Matin RN、Bassett O、Moreau JF 等。智能手机应用程序用于对皮肤病变疑似黑色素瘤的成年人进行分类。Cochrane Database Syst Rev 2018;12:CDO13192。5. Hekler A、Utikal JS、Enk AH、Berking C、Klode J、Schadendorf D 等人。使用深度神经网络对组织病理学黑色素瘤图像进行病理学家级别分类。Eur J Cancer 2019；115:79-83。6. Mukherjee R、Manohar DD、Das DK、Achar A、Mitra A、Chakraborty C。用于可重复慢性伤口评估的自动组织分类框架。Biomed Res Int 2014；2014:851582。 7. Emam SD、Du AX、Surmanowicz P、Thomsen SF、Greiner R、Gniadecki R。使用机器学习预测生物制剂对银屑病患者的长期疗效。Br J Dermatol 2020；182：1305-7。8. de Guzman LC、Maglaque RP、Torres VM、Zapido SP、Cordel MO。用于湿疹皮肤病变检测的多模型、多级人工神经网络的设计和评估。在：2015 年第三届人工智能、建模和仿真国际会议 (AIMS)，马来西亚哥打京那巴鲁；2015 年。第 42-7 页。可从以下网址获取：https://www.ieeexplore.ieee.org/document/7604549。[最后访问时间为 2019 年 12 月 18 日]。 9. Han SS, Park GH, Lim W, Kim MS, Na JI, Park I, 等. 深度神经网络在甲癣诊断中表现出与皮肤科医生相当甚至更好的表现：通过基于区域的卷积深度神经网络自动构建甲癣数据集。PLoS One 2018；13：e0191493。10. Zang Q, Paris M, Lehman DM, Bell S, Kleinststreuer N,
基于网络的中国皮肤科医生对人工智能态度研究
1956 年的达特茅斯会议上，“人工智能” (AI) 首次被正式提出作为一个通用术语，并被定义为技术在最少的人为干预下模拟智能行为的能力。目前，人工智能被广泛应用于许多领域，包括医疗领域和医疗保健系统 (1-3)。由于皮肤病学是一门使用大量临床图像的医学专业，并且可观察图像特征的视觉特性是重点，因此它似乎是一个非常适合整合人工智能训练的领域。事实上，初步研究已经得出结论，人工智能在皮肤病学中的应用具有潜在的优势，能够潜在地自动执行重复性任务、优化耗时任务、扩大有限医疗资源的获取途径、改善观察者间可靠性问题以及扩展皮肤科医生的诊断工具箱 (4)。迄今为止，已经进行了许多著名且有意义的人工智能研究，这些研究集中于皮肤病的识别和分类，包括皮肤癌（5-13）、特应性皮炎（14）、牛皮癣（15,16）和甲真菌病（17）。