概述
皮肤是人体最大、最明显的器官，因此皮肤病学非常适合基于图像的人工智能。深度学习可以从照片中对皮肤病变（包括潜在致命的黑色素瘤）进行分类，其水平可与经过委员会认证的皮肤科医生相媲美。
皮肤科中的人工智能将人工智能应用于特定领域的环境中，在这些环境中，法规、操作和风险承受能力强烈影响设计选择。
深入探讨
斯坦福大学研究人员在 2017 年《自然》杂志上进行的一项关键研究使用大约 130,000 张临床图像训练了一个卷积神经网络，结果表明该网络可以对皮肤癌（包括黑色素瘤和癌）进行分类，准确度可与 21 名经过委员会认证的皮肤科医生一样准确。从那时起，模型就被内置到智能手机应用程序和皮肤镜检查工具中，用于分析皮肤科医生用来检查痣的放大的偏振图像。我们的承诺是分诊：帮助初级保健医生和患者决定哪些部位需要紧急活检，特别是在皮肤科医生稀缺的地方。但皮肤科暴露了一个明显的公平问题。大多数训练数据集以浅色皮肤为主，因此模型通常在深色肤色上表现较差，其中黑色素瘤较为罕见，但如果错过，则更致命。构建 Fitzpatrick 17k 和 Diverse Dermatology Images 等多样化数据集现在是首要任务。
技术洞察
这些系统通常是 CNN 或视觉转换器，在标记的临床和皮肤镜图像上进行训练，通常根据活检确认的诊断（黄金标准）进行验证。皮肤镜检查增加了放大倍率和交叉偏振光，可显示肉眼看不见的皮下色素和血管图案。一个已知的陷阱：模型可以学习虚假的捷径，例如将手术皮肤标记或尺子旁边拍摄的病变标记为恶性，因为这些标记在训练期间主要出现在癌症图像中。
掌握皮肤科人工智能
Skin is the body's largest, most visible organ, so dermatology is a natural fit for image-based AI.深度学习可以从照片中对皮肤病变（包括潜在致命的黑色素瘤）进行分类，其水平可与经过委员会认证的皮肤科医生相媲美。 AI in Dermatology applies AI in domain-specific environments where regulations, operations, and risk tolerance strongly shape design choices.为了建立深入的理解，请将皮肤病学中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
In practice, strong teams using AI in Dermatology align technical capability with domain policy, auditability, and frontline decision-making.他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
行业背景决定了人工智能创意能否与现实接触。同时，监管要求可能会使原本强大的原型失效。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
行业背景决定了人工智能创意能否与现实接触。
行业背景决定了人工智能创意能否与现实接触。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
领域约束会影响可接受的错误率和监督模型。
领域约束会影响可接受的错误率和监督模型。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
成功的部署使技术能力与一线工作流程保持一致。
成功的部署使技术能力与一线工作流程保持一致。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
2017 年斯坦福大学 CNN 从约 130,000 张图像中对皮肤癌进行了分类，与 21 位经过委员会认证的皮肤科医生的结果相当，这是该领域的基础性结果。
Smartphone and dermoscopy apps triage suspicious moles, helping patients and primary-care doctors decide what needs urgent specialist review.
Total-body photography systems use AI to compare images over time and flag new or changing lesions in high-risk patients.
Diverse datasets like Fitzpatrick 17k and Diverse Dermatology Images are being built to reduce poorer AI accuracy on darker skin tones.
实施模式
人工智能在皮肤科的实践
2017 年斯坦福大学 CNN 从约 130,000 张图像中对皮肤癌进行了分类，与 21 位经过委员会认证的皮肤科医生的结果相当，这是该领域的基础性结果。
2017 年斯坦福大学 CNN 对约 130,000 张图像中的皮肤癌进行了分类，与 21 位经过委员会认证的皮肤科医生的水平相当，这是该领域的基础结果。当团队预先定义质量阈值、为边缘情况保留人性化的升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
人工智能在皮肤科的实践
Smartphone and dermoscopy apps triage suspicious moles, helping patients and primary-care doctors decide what needs urgent specialist review.
智能手机和皮肤镜应用程序对可疑的痣进行分类，帮助患者和初级保健医生决定需要紧急专家审查的内容。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
人工智能在皮肤科的实践
Total-body photography systems use AI to compare images over time and flag new or changing lesions in high-risk patients.
全身摄影系统使用人工智能来比较一段时间内的图像，并标记高风险患者中新的或变化的病变。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪随着时间的推移提高的生产力和错误成本时，通常会得到更好的结果。
人工智能在皮肤科的实践
Diverse datasets like Fitzpatrick 17k and Diverse Dermatology Images are being built to reduce poorer AI accuracy on darker skin tones.
正在构建 Fitzpatrick 17k 和 Diverse Dermatology Images 等多样化数据集，以减少深色肤色上较差的 AI 准确性。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
监管要求可能会使原本强大的原型失效。
历史数据可能会编码损害特定社区的偏见。
遗留系统可能会造成集成瓶颈和隐性成本。
实施路线图
让领域专家参与从问题框架到评估的整个过程。
让领域专家参与从问题框架到评估的整个过程。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在启动前设计审计跟踪和文档。
在启动前设计审计跟踪和文档。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
尽早验证合规性和安全义务。
尽早验证合规性和安全义务。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
分阶段推出，并具有明确的停止和回滚标准。
分阶段推出，并具有明确的停止和回滚标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。