← 部落格

用 AI 評估肌膚這件事

皮膚的嚴重程度，並沒有唯一的正確答案。一位皮膚科專科醫師歷經大學附設醫院與醫療 AI 公司，所面對的「醫師的判斷有多可信」這個問題，以及他如何用 AI 來解決的故事。

Soo Ick ChoSoo Ick Cho
  • 肌膚評估
  • 醫療 AI
  • INSKINVIEW
用 AI 評估肌膚這件事

上一篇文章裡，我談到測量肌膚的「測量」本身，比想像中浮動得多。這時自然會有這樣的想法：「如果儀器不可靠，那讓受過訓練的醫師親眼看、直接判斷不就好了？」我自己也曾長期這麼相信。然而在做 AI 研究的過程中，我卻不得不面對一件事：就連「醫師的判斷」，也無法乾淨俐落地收斂成單一的正確答案。

我的第一篇論文，是鑑別「唇部的皮膚癌」

在大學附設醫院時，我的第一個研究主題，是用 AI 鑑別長在嘴唇上的罕見皮膚癌。當時用 AI「診斷」疾病的研究才剛開始出現，這項研究因為連不常見的皮膚癌類型都能分辨出來而獲得肯定，得以刊登在皮膚科領域的重要期刊（《英國皮膚科學期刊》，BJD）上。

診斷相對容易處理，因為像「是不是皮膚癌」這樣的問題，一般被認為有正確答案。（嚴格說來，診斷其實也更接近機率。）不過這類診斷研究當時已經迅速趨於飽和，於是我把目光轉向下一個問題：「嚴重程度評估」。

「嚴重程度」沒有唯一的正確答案

接著，我進行了用 AI 評估痤瘡與異位性皮膚炎嚴重程度的研究。兩項研究都因為創新而獲得肯定，刊登在不錯的期刊上，但在研究過程中真正撞上的牆，卻是另一回事。

要訓練 AI，就需要「標註資料（ground truth）」。於是我們讓多位皮膚科醫師看同一張照片並評定嚴重程度，結果答案彼此分歧。大多數情況下大家的答案相近，完全南轅北轍的情況很少見（例如 4 級當中，有人評 3 級、有人評 2 級），但即便如此，「唯一的正確答案」並不存在。

和「是不是皮膚癌」不同，嚴重程度是一個多位專家的判斷會散成一個分布的問題。因此需要和診斷不同的做法，而我的研究，正是在解決這個環節。

這不只是皮膚科的問題

後來我在醫療 AI 公司（Lunit）開發病理分析 AI 時，也遇到了一模一樣的牆。我們用病理科醫師在組織影像上標記的答案來訓練模型，但就連那些答案，也因醫師而異。同一塊組織，有人判斷為癌前病變，有人判斷為惡性病變。

那時我才明白，我在皮膚科遇到的問題，並非皮膚科獨有，而是整個醫學領域底下普遍存在的問題。歷經皮膚科 AI 研究與病理 AI 研究，我從經驗中學會了該如何用 AI 處理這種「發散的正確答案」。

所以，「怎麼評估」才是關鍵

關鍵不在於硬塞給 AI 一個嚴格的唯一正確答案，而是讓它學習實際醫療現場中存在的判斷分布，也就是所謂的「機率」。不是因為某一個人錯了就把他的意見刪掉，而是把多位專家判斷所構成的範圍，原封不動地當作訓練的素材。我在首爾大學醫院與 Lunit 都以這種方式開發 AI 模型，也確認了這種做法更適合嚴重程度評估。而當時累積的訣竅，如今正應用在 INSKINVIEW 的 AI 模型開發上。

參考文獻

以下是本文提到的研究。

皮膚科 AI 研究

病理科 AI 研究