首页 > 文章详情

移动AI在色素性皮肤癌管理中的突破：临床试验揭示其诊断准确性与专家相当，管理决策潜力显著

03月19日

编译：肿瘤资讯

在《柳叶刀数字健康》杂志2023年10月刊中，荷兰的一个团队发表了一项关于移动AI在二级护理中诊断和管理色素性皮肤癌的研究。该研究跨越澳大利亚和奥地利的三级转诊中心，涉及专家和新手临床医生。研究发现，新开发的7类AI算法在诊断上与专家持平，显著超越新手，而在管理决策上虽不及专家，却胜过新手。本研究首次证实了AI在临床皮肤癌诊断中的应用前景，并揭示了其在管理决策方面的挑战。（AI综合整理，仅供参考）

研究背景

皮肤癌，特别是黑色素瘤，对全球健康构成严峻挑战，早期诊断对患者生存至关重要。专业医生短缺和资源不足导致皮肤癌诊断受限，而早期病变难以识别，常与良性病变混淆，增加了诊断错误的风险。为应对这些问题，一项临床试验评估了移动AI在色素性皮肤癌诊断和管理中的应用。该研究旨在验证AI作为辅助工具的潜力，以提高诊断准确性，减轻医疗人员的负担，并在资源匮乏地区提供支持。此外，研究还探讨了AI在制定个性化治疗方案中的作用，旨在未来改善患者护理。

研究方法

本研究包括了两个部分：诊断试验和管理试验。研究对象为18-99岁、Fitzpatrick I-III皮肤类型的患者，他们正在接受一个或多个最大直径大于3mm的可疑色素性皮肤病变的常规切除或活检。

在诊断试验中，研究纳入了124名患者的172个可疑色素性病变，而在管理试验中，研究纳入了66名高风险患者的5696个全身色素性病变。研究使用了两种移动电话驱动的AI工具，包括一个新的7类AI算法和国际皮肤成像合作（ISIC）AI算法。

参考标准是通过组织病理学检查来确定切除病变的诊断；在管理试验中，参考标准是基于组织病理学检查、与基线全身照片的比较、数字监测和远程诊断的降阶层次结构。研究比较了专家和新手临床医生的诊断和管理决策的准确性与两种AI工具的准确性。

研究结果

在本研究中，研究纳入了来自两个三级转诊中心的124名患者，共计172个可疑色素性病变进行了诊断试验，以及66名高风险患者的5696个全身色素性病变进行了管理试验。患者基线特征显示，参与者年龄范围为18至99岁，具有修改后的Fitzpatrick I-III皮肤类型。管理试验中，患者中有较高比例具有家族黑色素瘤史，且平均痣数较多，表明这是一个高风险人群。

疗效

疗效结果方面，7类AI算法在诊断准确性上与专家相当，绝对准确度差异为1.2%（95% CI –6.9 to 9.2），明显优于新手医生，后者的准确度差异为21.5%（13.1 to 30.0）。ISIC AI算法的诊断准确性显著低于专家，绝对准确度差异为–11.6%（95% CI –20.3 to –3.0），但优于新手医生，准确度差异为8.7%（–0.5 to 18.0）。

在管理试验中，最佳的7类管理AI在场景B下的绝对准确度差异为–0.4%（–0.8 to –0.05），在场景A下为–0.5%（–[95% 0.7 to –0.2），与专家管理相比存在显著差异。与新手管理相比，7类管理AI在场景A下的准确度差异为–0.4%（–0.6 to –0.2），但在场景B下显著优于新手，准确度差异为0.4%（0.0 to 0.9）

图1:场景A和B中的临床医生和AI CMD

安全性

安全性结果方面，研究未报告与AI使用相关的不良事件。然而，值得注意的是，由于AI算法的限制，可能存在对恶性病变管理不当的风险。在管理试验中，AI平均每个患者误管理了0.39个病变，而专家则未出现这种情况。这表明在实际临床应用中，AI还需要进一步的优化以确保患者安全。

总体而言，研究结果表明，移动电话驱动的AI在色素性皮肤癌的诊断中具有相当的准确性，但在管理决策方面仍需改进，特别是在处理恶性病变时。尽管AI在某些情况下能够提供与专家相当的诊断结果，但在临床实践中，其安全性和有效性仍需进一步的评估和验证。

研究讨论

本研究的结果表明，移动电话驱动的AI技术在专家环境中诊断可疑的色素性皮肤癌是简单、实用和准确的。然而，AI在管理决策方面的应用需要更多的研究和改进。ISIC AI算法在实验环境中的优越表现并未在临床实践中得到复制，这可能与算法训练数据的代表性和泛化能力有关。此外，临床医生在评估病变时能够考虑更多的上下文信息，这是AI目前无法做到的。

参考文献

[1]Tschandl P, Codella N, Akay BN, et al. Comparison of the accuracy of human readers versus machine-learning algorithms for pigmented skin lesion classification: an open, web-based, international, diagnostic study. Lancet Oncol 2019; 20: 938–47.

[2]Bossuyt PM, Reitsma JB, Bruns DE, et al. STARD 2015: an updated list of essential items for reporting diagnostic accuracy studies. BMJ 2015; 351: h5527.

[3]Liu X, Cruz Rivera S, Moher D, et al. Reporting guidelines for clinical trial reports for interventions involving artificial intelligence: the CONSORT-AI extension. Lancet Digit Health 2020; 2: e537–48.

[4]Menzies, Scott W et al. Comparison of humans versus mobile phone-powered artificial intelligence for the diagnosis and management of pigmented skin cancer in secondary care: a multicentre, prospective, diagnostic, clinical trial.The Lancet Digital Health, Volume 5, Issue 10, e679 - e691

责任编辑：肿瘤资讯-JRN
排版编辑：肿瘤资讯-JRN

03月20日

欧阳波

酒钢医院 | 呼吸内科

内容很精彩，值得学习！

03月19日

雨夜

钦州市中医医院 | 肿瘤内科

路漫漫其修远兮,吾将上下而求索