该技术采用机器学习软件分析皮肤病变的图像,并为医生提供黑色素瘤指示生物标志物的客观数据,如果早期获得精准治疗,治疗效果极高。
使用成千上万的皮肤图像及其相应的黑素和血红蛋白水平训练的AI系统可以初步减少不必要的活检的数量,这大量的节省了人力和费用支出。它给医生提供的客观病变特征信息,以帮助他们排除黑素瘤,然后再采取更多的精准治疗方案。
值得期待的是,该技术早在明年就可以提供给医生。
滑铁卢系统设计工程教授Alexander Wong说:“这可能是皮肤癌临床决策支持的非常强大的工具。 可以提供的解释信息越多,决策准确度和效果越好。”
目前,皮肤科医师主要依靠皮肤病变的主观视觉检查来确定患者是否应进行活组织检查以诊断疾病。
新系统破译了病变中生物标志物质的水平,为目前基于外观的评估增加了一致的定量信息。特别是黑色素(一种赋予皮肤颜色的化学物质)和血红蛋白(红细胞中的蛋白质)的浓度和分布变化是黑色素瘤的强指标。
该研究最近在第十四届蒙特利尔图像分析与认可国际会议上率先提出,震惊四座。Wong与滑铁卢系统设计工程教授David Clausi、滑铁卢兼职教授、Sunnybrook科学家Farzad Khalvati与Daniel Cho合作开发了该技术。
加拿大医学影像系统研究主席黄先生说:“通过这个系统医生甚至可以确定病人皮肤正在发生什么变化,以便提供更多充裕的治疗时间, 我们的目标是缩短这个过程。”