研究人员开发出自动化黑色素瘤探测器皮肤癌症筛查
即使专家也被黑素瘤。这种类型的皮肤癌患者往往mole-looking生长在他们的皮肤往往是不规则的形状和颜色,并可以从良性的,很难分辨的病很难诊断。
现在,洛克菲勒大学的研究人员已经开发了一个自动化技术,结合了成像和数字分析和机器学习来帮助医生检测黑素瘤在初期阶段。
”有一个真正的需要跨领域的标准化皮肤黑色素瘤是怎么评价的,”詹姆斯·克鲁格说,卡特·d·马丁教授在临床调查的皮肤病研究实验室的负责人。“通过筛查检测拯救生命,但视觉上非常具有挑战性的,即使一个可疑病变提取和检查,确认是黑色素瘤在只有10%的情况下。”
在新方法中,图像的病灶是由一系列的计算机程序处理,提取信息颜色的数量在增长,和其他定量数据。分析生成一个整体风险评分,称为Q-score,这表明增长癌变的可能性。
发表在实验皮肤病学,最近的一项研究表明,评估工具的实用性Q-score收益率98%的敏感性,这意味着它很可能正确识别早期黑色素瘤在皮肤上。的能力测试,正确诊断正常摩尔为36%,接近水平通过专家皮肤科医生进行视觉检查怀疑摩尔在显微镜下。
“Q-score预测成功的竞争技术,显著改善黑色素瘤是一种“丹尼尔Gareau说,该报告的第一作者,导师临床研究克鲁格的实验室。
研究人员开发了这个工具通过喂养60恶性黑色素瘤的照片和一个等价的批良性增生到图像处理程序的照片。他们开发了成像生物标志物来精确量化增生的视觉特征。他们使用计算方法,生成一组量化指标,两组之间的不同images-essentially确定什么病变最重要的视觉方面的恶性肿瘤恶性肿瘤评级给每个生物标志物。
通过结合数据从每个生物标志物,他们计算每个图像的整体Q-score, 0和1之间的值,数字越大,表示一个更高的癌症病变的可能性。
先前的研究显示,颜色的数量在一个病变是最重要的生物标志物确定恶性肿瘤。和一些生物标记重要的只有在特定颜色看着channels-a发现研究人员说有可能被利用来识别额外的生物标志物和进一步提高精度。
“我认为这技术可能有助于早期发现疾病,这可能拯救生命,并避免不必要的活检,“Gareau说。“我们的下一个步骤在更大规模的研究来评估这种方法,并仔细看看如何使用特定颜色的波长披露方面病变可能是人眼不可见,但仍可能是有用的诊断。”
进一步探索
