周一，2024年11月4日（HealthDay News）——据9月6日在线发表于《科学报告》的一项研究，一套新的皮肤癌风险因素可以提高可疑皮肤病变的检测率。
英国科尔切斯特埃塞克斯大学的Shafiqul Islam博士及其同事研究了使用包含23个属性的患者元数据来检测可疑皮肤病变的人工智能（AI）模型。他们比较了一组新的最重要风险因素（称为C4C风险因素）与7点检查表（7PCL）和预测终身黑色素瘤风险的Williams风险因素的性能。
该提出的AI框架确定了七个新的皮肤癌风险因素：病变呈粉红色、病变大小、病变颜色、病变发炎、病变形状、病变年龄和自然头发颜色。研究人员发现，在评估从不同皮肤癌诊断诊所收集的53,601个皮肤病变的元数据时，该框架在检测可疑皮肤病变方面的灵敏度达到80.46 ± 2.50%，特异性达到62.09 ± 1.90%。相比之下，7PCL的灵敏度为68.09 ± 2.10%，特异性为61.07 ± 0.90%；Williams风险因素的灵敏度为66.32 ± 1.90%，特异性为61.71 ± 0.6%。将C4C风险因素与7PCL和Williams风险因素结合使用时，性能最佳，灵敏度达到85.24 ± 2.20%，特异性达到61.12 ± 0.90%。
“在我们当前和未来的研究中，我们正在通过融合新识别的皮肤风险因素和加权风险评分以及使用深度学习模型的病变图像，进一步扩展我们的研究，我们相信这将以一种成本效益的方式进一步提高皮肤癌检测的性能，”作者写道。
(全文结束)
