皮肤问题是世界上最常见的疾病之一。在美国，高达37%的诊所就诊涉及某种类型的皮肤问题。

然而，全球也存在皮肤科医生短缺的问题，这迫使患者寻求全科医生的帮助，而全科医生的诊断往往不那么准确。这可能导致不理想的转诊和延迟或错误的治疗。

为了帮助减轻工作量，来自谷歌开发了一个人工智能系统它可以准确诊断初级保健中最常见的一些皮肤状况。在论文中题为“皮肤疾病鉴别诊断的深度学习系统”，研究人员声称，该人工智能系统在26种皮肤状况下实现了准确性，与美国认证的皮肤科医生相当。

像皮肤科医生一样工作

当临床医生看到一个病人时，他们通常不会只给出一个诊断。它们产生鉴别诊断，可能的疾病清单，必须进行实验室检查、成像、程序和咨询。

在一篇博文中发表9月12日周四，研究人员表示，他们的深度学习系统(DLS)也能做到这一点。它处理的输入包括皮肤异常的临床图像和元数据(病史的自我报告组件)。

该团队使用来自两个州的远程皮肤病学实践的17,777例去识别病例来训练和评估DLS。2010年至2017年的案例被用于训练人工智能。同时，采用2017年至2018年的数据进行评估。在培训期间，DLS利用了来自40多名皮肤科医生的5万多份鉴别诊断。

为了测试DLS的准确性，研究人员收集了三位美国认证皮肤科医生的诊断。他们报告说，人工智能的皮肤状况排名列表达到了71%的前1和93%的前3的准确性。

此外，当人工智能与临床医生在验证数据集的子集进行比较时，DLS的诊断准确性达到了前三名，90%或与皮肤科医生相当，“大大高于”初级保健医生和护士执业人员。

为了检查潜在的偏差，他们根据菲茨帕特里克的皮肤类型测试了人工智能。菲茨帕特里克皮肤类型是一种范围I型(描述为苍白，总是晒伤和脱皮，从不晒黑)6型(特征为深棕色皮肤，从不晒伤，总是晒黑)。他们发现模型的表现是一样的。

尽管人工智能的表现很有希望，但研究人员表示，它还没有准备好进行诊断。由于数据集有限，AI无法准确检测皮肤癌．

帮助临床医生

这个系统不是用来取代的临床医生但会成为诊断皮肤状况的辅助工具。

研究人员写道:“例如，这样的DLS可以帮助对病例进行分类，以指导临床护理的优先顺序，或者可以帮助非皮肤科医生更准确地启动皮肤护理，并有可能提高获得皮肤护理的机会。”