新人工智能系统重新定义了皮肤癌识别、管理和治疗方式

皮肤癌是一种普遍存在的全球健康问题，其中黑色素瘤是最致命的亚型。黑色素瘤占所有皮肤癌死亡病例的80%，这凸显了及早准确检测的迫切需求。研究表明，诊断延误可使五年生存率降低多达20%。

然而，传统诊断方法，如广泛使用的7点检查表（7PCL），主要关注黑色素瘤。这种狭窄的范围限制了它们在检测其他类型皮肤癌（如基底细胞癌和鳞状细胞癌）方面的有效性。

一项由安格利亚鲁斯金大学、埃塞克斯大学、Check4Cancer和阿登布鲁克医院的研究人员领导的开创性研究引入了一种革命性方法；并基于人工智能框架不仅扩展了所有皮肤癌类型的检测能力，而且在敏感性和特异性方面也大大优于现有方法。这项创新有望重新定义皮肤癌的识别、管理和治疗方式。

英国皮肤癌诊断遵循紧急转诊的两周路径系统，该流程优先考虑在两周内对有可疑病变的患者进行专科评估。虽然理论上有效，但该系统在实践中面临重大挑战。

为此，研究人员开始转向人工智能，基于AI分析大量数据集和识别传统方法忽略的模式，并根据临床元数据以前所未有的准确度检测可疑病变。这一新框架的核心是C4C风险因素，即一组七种临床特征，可预测所有亚型的皮肤癌风险。这些因素包括病变特征，如大小、颜色、形状和炎症，以及患者特定属性，如15岁时的自然发色和病变年龄；与仅关注黑色素瘤的传统方法不同，C4C风险因素考虑了非色素性病变和其他形式的皮肤癌。