编译：文强、胡祥杰

AI复始，万象更新 ！

新智元祝广大订户鸡年大吉！

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】斯坦福大学的研究人员开发深度学习算法，识别皮肤癌的准确率与专业的人类医生相当，相关研究论文被选为封面论文在本期 Nature 发表。研究人员训练系统观看了近13万张痣、皮疹和其他皮肤病变的图像，然后让系统与21位皮肤科医生对比测试，结果系统的精确度与人类医生相当（“至少”91%）。使用这一技术，有望制造出家用便携皮肤癌扫描仪，造福广大患者。

　　“我们制作了一个非常强大的机器学习算法，能够从数据中学习，”论文的其中一位主要作者、斯坦福博士生 Andre Esteva 在新闻发布稿中表示，“不是通过编写代码，而是让算法自己发现该去寻找的东西。”

　　Esteva 提到的强大的算法也就是我们所说的“深度学习”，或者说神经网络。

　　当斯坦福的这项合作研究开始时，神经网络已经能够从大约1000个不同类别中识别128万幅图像。但是，与分辨不同种类的狗的图片不同，将一块不规则的皮肤色斑识别为良性脂溢性角化病还是恶性肿瘤会影响患者的生活乃至生命。因此，算法需要极高的准确率与可靠性。

　　与分辨不同种类的狗的图片不同，将一块不规则的皮肤色斑识别为良性脂溢性角化病还是恶性肿瘤会影响患者的生活乃至生命。因此，算法需要极高的准确率与可靠性。来源：Fig. 1b, Esteva, Kuprel et. al, 2017

　　“我们没有用来训练算法的皮肤癌数据库，因此只能动手自己做。”论文的另一位主要作者、斯坦福博士生 Brett Kuprel 表示。“我们从互联网上收集数据，与医学院合作，从十分杂乱的数据中整理出了很好的分类——光是标签就使用了好几种语言，包括德语、阿拉伯语和拉丁语。”Kuprel 说。

　　不仅如此，在正式进行图像处理前，他们还需要进行数据清洗。皮肤科医生经常使用一种称为皮肤镜的仪器仔细检查患者的皮肤。因此，医疗人员使用的皮肤病图像，它们的放大率和透视角度都是大体一致的。但是，从互联网上收集的许多图像都不是在这样受控的环境中拍摄的，因此在角度、焦距和照明方面各不相同。

　　研究人员最终累积了将近13万张可用的皮肤病变图像，覆盖了2000多种不同的疾病类型。他们使用这一数据集创建了图像库，并将其作为原始像素提供给算法，每个像素都带有标签，描述了相关疾病的附加数据。研究人员训练算法总结出图像里的模式，也即发现疾病经由组织传播在外观上所遵循的规则。

　　过程示意图：研究人员训练算法总结图像里的模式，也即发现疾病经由组织传播在外观上所遵循的规则。来源：Fig. 1b, Esteva, Kuprel et. al, 2017

　　为了测试算法的性能，研究人员找来斯坦福医学院的21名皮肤科医生。实验中，算法和人类医生需要完成三项任务：①角质细胞癌分类、②黑素瘤分类，以及③使用皮肤镜检查的结果对黑色素瘤进行分类。

　　在最后一项测试中，研究人员仅使用了高质量、经活检证实的恶性黑色素瘤和恶性癌的图片。研究人员让参与测试的人类医生观看这些图片，并询问他们是“进行活检、治疗，还是安慰病人”。算法在发现所有癌性病变和不得到假阳性结果两方面都表现良好，综合准确率为91%，与人类医生表现相当。