【编者按】
AI医疗再获突破！韩国科研团队成功开发出融合皮肤图像与临床数据的深度学习模型，将黑色素瘤检测准确率提升至94.5%。这项技术突破不仅展现了多模态数据融合在医疗诊断中的巨大潜力，更标志着智能医疗系统在癌症早筛领域迈出关键一步。当人工智能与临床经验深度协同，我们或将见证更多生命在疾病早期被成功挽救的奇迹。
韩国仁川，2025年11月17日 /美通社/ — 黑色素瘤是最致命的皮肤癌类型，每年导致数千人死亡，但早期检测可显著提高生存率。如今，科学家开发出一种先进的人工智能模型，通过结合皮肤图像和患者元数据，能够更准确地检测黑色素瘤。该研究达到94.5%的准确率，标志着AI驱动的黑色素瘤早期检测取得突破，从而推进智能医疗系统发展。
一个国际研究团队开发的新型深度学习系统通过融合皮肤镜图像和患者元数据（如年龄、性别和病变位置），以94.5%的准确率检测黑色素瘤。该方法通过智能医疗技术提高了诊断精度、透明度和早期皮肤癌检测的可及性。
黑色素瘤仍然是最难诊断的皮肤癌之一，因为它经常模仿无害的痣或病变。虽然大多数人工智能工具仅依赖皮肤镜图像，但它们往往忽略了可以提高诊断准确性的关键患者信息（如年龄、性别或病变在身体上的位置）。这凸显了能够实现高精度诊断的多模态融合模型的重要性。
为弥补这一差距，韩国仁川国立大学嵌入式系统工程系的Gwangill Jeon教授与西英格兰大学（英国）、安格利亚鲁斯金大学（英国）和加拿大皇家军事学院合作，创建了一个整合患者数据和皮肤镜图像的深度学习模型。该研究于2025年6月6日在线发布，并将于2025年12月1日发表在《信息融合》期刊第124卷。
研究团队使用包含超过33,000张皮肤镜图像及配套临床元数据的大规模SIIM-ISIC黑色素瘤数据集，训练其AI模型识别皮肤表现与患者特征之间的微妙联系。该模型达到94.5%的准确率和0.94的F1分数，优于ResNet-50和EfficientNet等流行的纯图像模型。
研究人员还进行了特征重要性分析，使系统更加透明和稳健。研究发现，病变大小、患者年龄和解剖部位等因素对准确检测有重要贡献。这些见解可以帮助医生理解并为信任AI执行的诊断提供路线图。
未来，该模型可为基于智能手机的皮肤诊断应用、远程医疗系统或皮肤科诊所的AI辅助工具提供支持，有助于降低误诊率并改善医疗服务的可及性。
该研究强调了多模态AI如何弥合机器学习与临床决策之间的差距，为更准确、可及和值得信赖的皮肤癌诊断铺平道路。
