← 博客

用 AI 评估皮肤意味着什么

皮肤的严重程度，并没有唯一的正确答案。这是一位皮肤科专科医生在大学附属医院和医疗 AI 公司一路走来所面对的问题——“医生的判断有多可信”——以及他用 AI 来求解这个问题的故事。

Soo Ick ChoSoo Ick Cho
  • 皮肤评估
  • 医疗 AI
  • INSKINVIEW
用 AI 评估皮肤意味着什么

上一篇文章里，我谈到对皮肤的“测量”比想象中更不稳定。这样一来，自然会有人想：“既然设备靠不住，那让受过训练的医生亲自用眼睛看、做判断，不就行了吗？”很长一段时间里，我自己也是这么相信的。然而在做 AI 研究的过程中，我不得不面对一个事实：就连“医生的判断”，也无法归结为一个干脆利落的正确答案。

我的第一篇论文，是鉴别“唇部皮肤癌”

在大学附属医院时，我的第一个研究课题，是用 AI 鉴别发生在嘴唇上的一种罕见皮肤癌。当时，用 AI 来“诊断”疾病的研究才刚刚出现，这项研究因为连并不常见的皮肤癌类型也能区分出来而获得认可，得以发表在皮肤科领域的主要学术期刊（《英国皮肤病学杂志》，BJD）上。

诊断相对来说比较容易处理，因为像“是不是皮肤癌”这样的问题，被认为是有正确答案的。（严格说来，诊断其实也更接近于概率。）不过，这类诊断研究当时已经在迅速趋于饱和，于是我把目光转向了下一个问题——“严重程度评估”。

“严重程度”并没有唯一的正确答案

接下来，我开展了用 AI 评估痤疮和特应性皮炎严重程度的研究。两项研究都因其新颖性获得认可，发表在不错的学术期刊上，但真正在研究过程中撞上的那堵墙，却是另一回事。

要训练 AI，就需要“标注数据（ground truth）”。于是我们把同一张照片拿给多位皮肤科医生看，请他们评定严重程度，结果各人的答案出现了分歧。大多数情况下答案是相近、重叠的，完全南辕北辙的情况很少见（比如在 4 个等级中，有人评为 3 级，有人评为 2 级），但即便如此，“唯一的正确答案”依然不存在。

与“是不是皮肤癌”不同，严重程度是一个多位专家的判断会散开成一个分布的问题。因此它需要一种不同于诊断的方法，而我的研究正是要解决这一点。

这不只是皮肤科的问题

后来在医疗 AI 公司（Lunit）开发病理分析 AI 时，我又遇到了同样的墙。我们用病理科医生在组织图像上标注的答案来训练模型，可就连这些答案，也因医生而异。面对同一块组织，有人判断为癌前病变，有人判断为恶性病变。

那时我才明白：我在皮肤科遇到的问题并不是皮肤科独有的，而是贯穿整个医学的普遍问题。经历了皮肤科 AI 研究和病理 AI 研究之后，我从经验中学会了该如何用 AI 来处理这种“散开的正确答案”。

所以，“怎样评估”才是关键

关键不在于给 AI 钉死一个严格的正确答案，而在于让它学习真实医疗现场中存在的判断分布——也就是说，以“概率”的形式学习。不是把某个人的判断当作错误而删掉，而是把多位专家判断所构成的幅度，原封不动地作为学习的素材。我在首尔大学医院和 Lunit 都以这种方式开发过 AI 模型，并确认这种方法更适合严重程度评估。如今，我正把当时积累的经验运用在 INSKINVIEW 的 AI 模型开发中。

参考文献

以下是正文中提到的研究。

皮肤科 AI 研究

病理科 AI 研究