一种新型人工智能（AI）模型在诊断皮肤状况方面达到了99.86%的准确性，即使对于肤色较深或毛发较多的人群也不例外。根据发表在《BMC医学信息学与决策制定》上的研究，这款名为SkinWiseNet（SWNet）的AI模型在解决与肤色和毛发相关的潜在偏见方面取得了显著进展。
SWNet通过结合来自多个数据集的“特征融合”技术，实现了超过99%的皮肤病变良性和恶性分类准确性。突尼斯斯法克斯大学电子与电信学院的Ali Atshan Abdulredah领导的研究团队发现，这种方法特别有助于分析那些对AI检测系统构成挑战的历史图像。
研究人员写道：“该模型解决了与皮肤状况相关的潜在偏见，特别是在肤色较深或毛发较多的个体中。” “SWNet能够分类正常和异常类别，并通过特征融合来减少偏见，从而增强了其应对各种皮肤状况的稳健性和可靠性。”
尽管过去二十年中，人工智能在皮肤癌检测方面取得了巨大进展，预测准确性提高了15%到20%，但大多数现有的AI系统仍然面临挑战。传统的诊断依赖于视觉检查、皮肤镜检查和活检，而AI系统现在通过逐层分析图像来帮助自动化和增强这一过程，类似于人类视觉的工作方式。然而，许多现有AI模型在分析肤色较深或有毛发的图像时仍存在困难。
为了克服这一问题，研究人员结合了来自四个主要皮肤癌图像数据库的见解。这种方法使SWNet能够从比以前的AI系统更广泛的数据集中学习。因此，SWNet的99.86%准确性显著超过了其他领先的AI系统，包括EfficientNet（91.88%）、MobileNet（93.2%）和Darknet（94.44%）。
除了更高的准确性，SWNet还展示了更强的解释能力，帮助临床医生理解为什么该模型将图像分类为良性或恶性。结果显示，这种方法在避免常见的AI陷阱方面尤为有效，例如误读显微镜伪影或难以处理现实条件下经常出现的非圆形病变模式。
目前，研究团队正在努力解决一些局限性，包括处理大量高质量图像的挑战以及优化模型参数以供临床使用。
(全文结束)
