Google應用深度學習判別皮膚疾病，準確度已與皮膚科醫生相當

Google以機器學習幫助未經皮膚科專業受訓的家庭醫學科醫師（General Practitioner，GP），提高皮膚疾病診斷能力，這套深度學習系統（Deep Learning System，DLS）能對26種皮膚疾病，提供與皮膚科醫生同準確度的診斷。

Google提到，全世界有19億人有皮膚疾病，但大部分的病例都由家庭醫學科醫師診斷，而研究顯示，家庭醫學科醫師與皮膚科醫生對皮膚狀況的診斷準確度，存在明顯的差距，家庭醫學科醫師的診斷準確率落在24％至70％間，而皮膚科醫生的診斷準確率則在77％至96％。而這可能造成非最佳的轉診建議，進而延誤治療。

之前關於皮膚疾病的機器學習研究，通常集中於皮膚癌的早期篩檢，特別關注皮膚的病變，判斷其為惡性抑或是良性的皮膚癌，但Google也指出，超過90％的皮膚疾病並非惡性，而解決這些常見的疾病，對於減輕全球皮膚疾病有極大的幫助。

Google指出，通常臨床案例的判定，並非一開始就能獲得絕對的答案，醫生會給出鑑別診斷（Differential Diagnosis），以一個列表排序可能的情況，鑑別診斷可以用來對病患進行額外的檢查，直到病情確診為止。而DLS就是模仿臨床醫生開鑑別診斷的想法，給出患者可能擁有的皮膚疾病排序列表，幫助分類患者以及後續的診斷和治療。

DLS的訓練資料包括了一張或多張皮膚異常的臨床圖像，還有45種像是年齡、性別和症狀等元資料，Google總共使用了17,777個去識別化的病例，分別把2010年到2017年的病例當作訓練資料，將2017年到2018年的病例則用在評估系統上，在訓練DLS的過程，也使用了超過40位皮膚科醫生提供的五萬多個鑑別診斷。

Google為了評估DLS的準確性，將其結果與三名皮膚科醫生的診斷進行比較，在3,756個病例中，把DLS的皮膚狀況排序列表和皮膚科醫生提供的鑑別診斷相比，DLS列表第一項就正確診斷的機率達71％，而前三項診斷的準確度更高達93%。

DLS的診斷準確度與皮膚科醫生平均75％相當，且遠高過初級醫療人員（Primary Care Physicians ）的60％，以及執業護士（Nurse Practitioners）的55％，前三診斷的準確度甚至可以幫助皮膚科醫生判斷病情。