新評估方法專“盯”黑色素瘤

發佈時間： 2016-12-27 09:35:44   |  來源： 科技日報   |  責任編輯： 郭江

　　黑色素瘤看起來像痣，但形狀和顏色往往不規則，難以區分是良性或惡性，診斷難度很大。美國洛克菲勒大學研究人員開發了一種自動化技術，將成像與數字分析和機器學習相結合，幫助醫生在早期階段檢測黑色素瘤。

　　“皮膚科領域如何評估黑色素瘤需要真正的標準化。”臨床調查和皮膚病實驗室主任詹姆斯·卡爾説，“通過篩查檢測可以挽救生命，但在視覺上進行判斷非常具有挑戰性。當可疑病變被提取活檢時，只有10%病例被證實是黑色素瘤。”

　　在新方法中，一系列電腦程式能提取並處理皮膚生長中含有顏色數量資訊的病變圖像和其他定量數據，分析産生總體風險評分——Q評分，能指示癌症生長的可能性。

　　據物理學家組織網25日報道，研究人員將60張黑色素瘤照片和等量的良性生長照片提供給圖像處理程式，開發了對生物標誌物的成像法，以精確化其生長的視覺特徵，並在兩組圖像之間為每個生物標記物定量評價，然後根據分值進行惡性評級。通過組合每個生物標記物的評測數據，計算出每個圖像的總Q評分數，在0和1之間的數值越高，癌變率越大。

　　這項發表在《實驗皮膚病學》中的評估工具有用性研究表明，Q評分達到0.98敏感度時，意味著可能正確識別了皮膚上的早期黑色素瘤。此外，其判斷正常痣的準確率為36%，接近專業皮膚科醫生在顯微鏡下對可疑痣進行視覺檢查的水準。“這意味著自動化檢測方法在預測黑色素瘤方面取得了顯著成功。”論文第一作者丹尼爾·加雷説。

　　如先前研究所示，病變中的皮膚顏色數量是確定惡性腫瘤的最重要生物標誌物。研究人員説，接下來要在更廣泛的樣本中評估該方法的有效性，還要通過特定顏色波長來揭示人眼不可見但有助於尋找病變的診斷方法。（記者 房琳琳）

　　總編輯圈點

　　圖像識別、海量臨床數據再加上機器學習，就給了電腦一雙“老辣”的眼睛，讓它分分鐘變身經驗豐富的醫生。在這次研究人員的實驗中，自動化技術成為一種重要的輔助診療工具，助力早期階段黑色素瘤的檢測。當然，給電腦的樣本照片還不夠多，它還需要更多數據，來挖掘圖像中黑色素瘤的更多特徵，以提高判斷的準確性。