皮膚癌應用程序無法識別罕見侵襲性癌癥

根據在歐洲皮膚病學和性病學會年會上提出的一項研究，用于檢測皮膚癌的直接面向消費者的機器學習模型，可能無法充分識別罕見但具有侵襲性的皮膚癌。

倫敦大學 MBCh.B. 的 Lloyd Steele 及其同事，評估了機器學習模型對默克爾細胞癌 (MCC) 和無色素黑色素瘤的性能。使用包括 28 個 MCC、35 個無色素黑色素瘤、28 個脂溢性角化病和 25 個血管瘤在內的一組圖像，評估了直接面向消費者的模型的性能，該模型在歐洲作為經過認證的醫療設備提供。

研究人員發現，直接面向消費者的應用程序錯誤地將 28 個 MCC 中的 5 個（17.9%）和 35 個無色素黑色素瘤中的 7 個（22.9%）錯誤地歸類為低風險。

近三分之二的良性病變 (62.2%) 被歸類為高風險，該模型檢測惡性腫瘤的靈敏度為 79.4%，特異性為 37.7%。“為了改進，機器學習模型評估應該考慮將在實踐中看到的疾病譜，斯蒂爾在一份聲明中說，目前這些模型的大部分性能，是由可用的成像數據驅動的，當涉及到罕見的皮膚癌時，這種數據尤其稀缺。”