如果有一天，你忽然找到身上的一颗痣显得有些怪异，你不会怎么做？虽然这有可能是一个危险性的信号，但很多人因为工作整天、去医院不便等种种原因，往往会及时去检查。现在，人工智能为这个问题获取了更佳的解决方案：在未来，我们也许可以在手机上iTunes一个APP，进个摄像头让机器医生老大我们看一看，这是不是皮肤癌的早期症状。斯坦福大学一个牵头研究团队研发出有了一个皮肤癌临床准确率相媲美人类医生的人工智能，涉及成果刊登为了1月底《大自然》杂志的封面论文，为题《超过皮肤科医生水平的皮肤癌筛查深度神经网络》（Dermatologist－levelclassificationofskincancerwithdeepneuralnetworks）。他们通过深度自学的方法，用近13万张痣、皮疹和其他皮肤恶性肿瘤的图像训练机器辨识其中的皮肤癌症状，在与21位皮肤科医生的临床结果展开对比后，他们找到这个深度神经网络的临床准确率与人类医生不相上下，在91％以上。

深度自学为医学添砖加瓦在中国，皮肤癌并不是癌症家族中尤其注目的成员，这是因为黄种人的皮肤癌发病率要高于白种人。但在美国，皮肤癌毕竟最少见的癌症之一。每年大约有540万美国人患有皮肤癌。

以黑色素瘤为事例，如果在五年之内的早期阶段检测并拒绝接受化疗，生存率在97％左右；但在晚期阶段，存活率会剧降至14％。因而，早期筛查对皮肤癌患者来说生死攸关。

一般情况下，回到医院或医院后，医生不会基于视觉临床展开临床筛查，再对疑为恶性肿瘤部位依序展开皮肤镜检查、活体的组织切片检查和病理学临床。医生用于皮肤镜展开检查。但由于各种各样的原因，很多人并会及时为皮肤上经常出现的一些细小症状而跑完一趟医院。

因而，基于人工智能的家用便携式皮肤癌临床设备将大大提高早期皮肤癌的筛查覆盖率，挽回更加多人的生命。但是，癌症临床，差之毫厘，谬以千里，人工智能需要胜任将黑色素瘤从普通的痣中检验出来的任务？斯坦福大学这个牵头研究团队的结论是：基于深度自学的机器医生临床准确率十分难以置信。“我们意识到这是不切实际的，机器不仅能做到，而且能做到得和人类一样好”，斯坦福人工智能实验室助理教授SebastianThrun说，“这时候我们的点子几乎逆了。

我们说道，‘男子汉吧，这某种程度是个学生作业，这有可能有益全人类’。”这种视觉处置算法基于时下大冷的深度自学，即通过大量的数据作为示例来训练机器已完成某些特定任务。近来深度自学不仅在视觉处置方面大放异彩，也在其他有所不同的领域硕果累累，譬如谷歌的棋士AI阿尔法狗，就是在自学完了3000万张人类棋谱后打败世界围棋冠军李世石的。

在机器学习过程中，开发者仍然必须对解题方法展开编码，而是任由计算机通过自学示例数据自己“思索”出有求解。明确到皮肤癌临床这个案例中，就是研究者仍然必须自己总结中皮肤癌在外观上的一些规律性特征来教会计算机，而是由它自己总结其中的模式。

本文来源：球速体育-www.liteapp.net