在9月29日至10月2日举行的欧洲皮肤与性病学会年度会议上,一项研究表明,用于检测皮肤癌的直接面向消费者的机器学习模型可能不能充分识别罕见但具有侵袭性的皮肤癌。
劳埃德·斯蒂尔,主任。他和同事评估了默克尔细胞癌(MCC)和黑色素瘤的机器学习模型的表现。通过一组图像评估了一种直接面向消费者的模型的性能,该模型作为一种经认证的医疗设备在欧洲可用,其中包括28个mcs、35个无黑色素瘤、28个脂溢性角化病和25个血管瘤。
研究人员发现,这款直接面向消费者的应用程序错误地将28个mcc中的5个(17.9%)和35个无黑色素瘤中的7个(22.9%)分类为低风险。近三分之二(62.2%)的良性病变被归类为高风险。该模型检测恶性肿瘤的敏感性为79.4%,特异性为37.7%。
斯蒂尔在一份声明中说:“为了改进,机器学习模型评估应该考虑在实践中会看到的疾病谱系。”“目前,这些模型的大部分性能是由可用的成像数据驱动的,而对于罕见的皮肤癌来说,这些数据尤其稀缺。”