摘要：即使专家也可能被黑色素瘤愚弄。患有这种类型皮肤癌的人通常看起来像皮肤上长有痣，形状和颜色上往往是不规则的，并且很难与良性的区别开，使得该疾病难以诊断。现在，洛克菲勒大学的研究人员开发了一种自动化技术，将成像与数字分析和机器学习相结合，帮助医生在早期检测黑素瘤。“皮肤科领域真正需要标准化如何评估黑素瘤，”Martin Carter的临床调查和调查皮肤病实验室主任James Carl教授说：“通过筛查检测可以挽救生命，但在视觉上非常具有挑战性，即使当可疑病变被提取和活检时，也只有约10％被证实是黑素瘤。”

　　研究人员开发出用于皮肤癌筛选的自动化黑素瘤检测器在新方法中，病变图像由提取的关于颜色和数量的信息的一系列计算机程序和其他定量数据处理。该分析产生总体风险评分，称为Q评分，其指示癌症的可能性。

　　该研究发表在实验皮肤病学中，最近一项评估研究表明，Q评分敏感性为98％，这意味着它很可能正确地识别皮肤上的早期黑素瘤。测试正确诊断正常痣的能力为36％，接近由专家皮肤科医生在显微镜下进行可疑痣的视觉检查所达到的水平。

　　第一作者克鲁格实验室的临床调查报告和教师，丹尼尔·加雷（Daniel Gareau）说：“Q评分在预测黑色素瘤方面的成功是对竞争技术的显著改进。”

　　研究人员通过将60张癌症黑素瘤照片和等量的良性生长的照片提供给图像处理程序来开发这种工具。他们开发了成像生物标志物来精确量化视觉特征。使用计算方法，他们产生了一组定量度量，这在两组图像之间不同，并给予每个生物标志物恶性评级。

　　通过组合来自每个生物标志物的数据，他们计算每个图像的总Q分数，在0和1之间，其中较大数字表示癌性的概率较高。

　　如先前研究所示，病变中的颜色证明是确定恶性肿瘤的最重要的生物标志物。而且一些生物标志物只有在特定颜色通道中观察时才是正确的 - 研究人员说这些发现可能被利用来鉴定其他生物标志物并进一步提高准确性。

　　“我认为这种技术可以帮助早期检测疾病，这可以挽救生命，并避免不必要的活检，”Gareau说：“我们接下来的步骤是在更大的研究中评估这种方法，并进一步看看我们如何使用特定的颜色波长来揭示可能人眼不可见但仍可用于诊断的病变。”