可识别85种皮肤病的人工智能来了当然复杂病症还得靠医生
4 月 27 日，中南大学湘雅二院召开皮肤病人工智能辅助诊疗综合平台临床启用发布会，宣布国内首个皮肤病辅助诊疗综合平台正式向临床医生开放使用。
去年 5 月，中南大学湘雅二医院（以下简称湘雅二院）、丁香园和睿琪软件联合发布了中国首个皮肤病人工智能辅助诊疗系统 ——智能皮肤。当时主要实现以红斑狼疮为代表的皮肤病人工智能辅助诊断。此后在经历了多番测试、审核、训练，累计学习超过 60 万张病例图片后，目前新系统对 85 种皮肤病识别准确率达 86%，其中 34 种常见病大于 95%，可识别病种数和准确率居行业之首。
皮肤疾病病种多，皮肤损害形态也呈多样化。从外部表征看，部分皮肤病皮损极其相似。在中南大学临床大数据项目的支持与推动下，湘雅二医院积累了大量皮肤病皮损及病理照片。人工智能系统可为医生提供学习交流平台，为患者提供足不出户初判病情的机会。只需将患病皮肤拍照，上传图像识别系统，系统便能给出患病病种提示。
4 月 16 - 25 日，湘雅二院和丁香园发起了全网皮肤科医生排位赛。医生开始答题时，智能皮肤」都会同步进行，每轮比赛结束后显示医生和"智能皮肤"的答题成绩。题目由湘雅二院提供，并经过多轮专家审核和病理诊断。
在所有参赛的 545 名皮肤病/性病科医生中，主治以上级别的医师在平均得分、参与积极性皆显著优于其他科室医生，平均答题得分是 69.03 分，平均完成时长是 107 秒。而智能皮肤平均得分是 87.5 分，平均完成时长 31.4 秒。
中南大学湘雅二院皮肤科主任、博士生导师陆前进教授表示，在医生和 AI 系统都是在看图片的特定情况下，人工智能的准确率和时间高于医生，主要是因为机器学习了大量的图片。
"智能皮肤"需要不断更新和持续学习。当天皮肤病人工智能发展联盟也宣布成立。联盟内来自全国多中心的专家团队，拥有大量的临床皮损图片，并为皮肤病疾病特征的归纳和疾病诊断模型的建立提供权威的专业支持。而睿琪软件拥有人工智能技术团队，成熟的图像识别模型，通过海量病例学习实现对皮肤病的人工智能辅助诊断。丁香园擅长整合和协同医疗行业各方核心优势资源，赋能医生、患者与医疗，深入参与系统的设计、开发与运营。
出席此次发布会的国防科技大学李自力教授表示，医学上很多诊断要依靠形态学，人工智能的优势在此就得到充分体现。
不过，这并不意味人工智能替代医生。
AI 系统与医生在 141 个真实的皮肤病病例诊断实验中，医生面对患者，而 AI 系统只有图片的情况下，医生和 AI 系统的平均诊断准确率是 76.6%、73.8%。医生的准确率稍高于 AI 系统。
陆前进教授解释，皮肤病的诊断颇具直观性，皮损表现是疾病诊断线索的主要信息来源。随着图像识别、深度学习等技术的突破，人工智能在皮肤病的临床诊断过程中能提供可靠佐证。
不过，依靠人工智能可提高简单疾病诊断、治疗效率，但对于复杂疾病要实现人工智能还有很长的路要走，人工智能不会也不能替代医生。陆前进教授说。
