人工智能成像模型在检测高级Fitzpatrick肤色分类中皮肤表现的性能

简介

背景

在皮肤病学领域，人工智能(AI)有望提高传统诊断方法的效率和准确性，包括视觉检查、皮肤活检和组织病理学检查[1］．深度学习图像识别模型已经成功地利用浅肤色个体的图像区分皮肤疾病。然而，当这些模型在有色人种的图像上进行测试时，表现就会下降。2］．据认为，造成这种差异的主要原因是缺乏皮肤颜色较深的个体的皮肤疾病的可用图像(Fitzpatrick皮肤类型4和5的分类)[3.］．然而，是否也有可能，即使有相同数量的图像，与皮肤类型1、2和3相比，图像识别模型更难区分Fitzpatrick皮肤类型4和5的个体的皮肤疾病?

客观的

本研究的目的是评估当两种模型在等量的图像上训练时，图像识别模型在区分有色人种(Fitzpatrick皮肤类型4和5)的皮肤疾病时，与在区分白种人(Fitzpatrick皮肤类型1、2和3)的相同皮肤疾病时，是否表现不同。

方法

黑素瘤和基底细胞癌(BCC)的开源图像来自希腊皮肤病学图集[4]、皮肤病学地图集[5]、交互式皮肤病学地图集[6]，及DermNet NZ [7］．使用前面描述的方法训练、验证和测试两个图像识别模型[8］．TensorFlow [9]是谷歌开发的一个开源软件库，它被用作深度学习框架，并用于再训练Inception，版本3 (v3)。Inception v3是一个深度卷积神经网络。该神经网络由多个计算层组成，每个计算层都有一个输入和输出。除了神经网络的最后一层之外，所有的层都用超过120万张图像进行了预训练。神经网络的最后一层使用收集到的皮肤图像进行重新训练。在再训练过程中，神经网络经历了训练和验证步骤。在训练步骤中，使用输入的图像对神经网络进行训练。在验证步骤中，使用输入的naïve图像迭代评估训练精度[10］．

在对模型进行重新训练(训练和验证)后，执行用户输入的测试/评估步骤，其中输入测试图像并对结果进行统计分析。程序评估输出用输入的每个测试图像中每种皮肤表现的概率百分比表示。R软件(R统计计算基础)[11]进行统计分析。计算每种皮肤表现的敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和F1评分。F1分数是灵敏度和PPV(召回率和精密度的平均值)的谐波平均值。

每个模型的目标是区分黑素瘤和BCC。

第一个模型是:

• 对150张浅色皮肤(Fitzpatrick皮肤类型1、2和3)、75张黑色素瘤和75张BCC图像进行训练;
• 对38张浅色皮肤(Fitzpatrick皮肤类型1、2和3)、19张黑色素瘤和19张BCC图像进行验证;
• 对30张浅色皮肤(Fitzpatrick皮肤类型1、2和3)、15张黑色素瘤和15张BCC图像进行了测试。

第二种模式是:

• 对150张有色皮肤(Fitzpatrick皮肤类型4和5)、75张黑色素瘤和75张BCC图像进行训练;
• 对38张有色皮肤(Fitzpatrick皮肤类型4和5)、19张黑色素瘤和19张BCC图像进行验证;
• 对30张有色皮肤(Fitzpatrick皮肤类型4和5)、15张黑色素瘤和15张BCC图像进行了测试。

计算黑色素瘤和BCC的接受者工作特征(AUC)曲线下的面积，以确定两种模型的性能。

结果

当被要求区分黑色素瘤和BCC时，在浅色皮肤图像上训练和验证的图像识别模型比在彩色皮肤图像上训练和验证的图像识别模型具有更高的灵敏度、特异性、PPV、NPV和F1评分(表1）.

在预测黑色素瘤时，在浅色皮肤图像上训练和验证的图像识别模型的敏感性为0.60，特异性为0.53,PPV为0.56,NPV为0.57,F1评分为0.58。另一方面，在预测黑色素瘤时，在彩色皮肤图像上训练和验证的相同图像识别模型的敏感性为0.53，特异性为0.47,PPV为0.50,NPV为0.50,F1评分为0.52。

在预测BCC时，在浅色皮肤图像上训练并验证的图像识别模型灵敏度为0.53，特异性为0.60,PPV为0.57,NPV为0.56,F1评分为0.55。另一方面，对于BCC的预测，同样的图像识别模型在彩色皮肤图像上进行训练和验证，其灵敏度为0.47，特异性为0.53,PPV为0.50,NPV为0.50,F1评分为0.48。

两种浅色皮肤图像识别模型的平均AUC为0.598，而彩色图像识别模型的平均AUC为0.500(数值指出了差异)表1而且图1）.

‎ 查看此图

讨论

限制

对于Fitzpatrick皮肤类型4和5，可用的图像数量有限;因此，浅色皮肤和彩色模型的皮肤都在训练过程中使用的图像数量的限制下进行了研究。更大的样本量会更好地测试结果是否一致。

结论

当使用相同数量的图像进行训练、验证和测试时，提供属于Fitzpatrick分类皮肤类型1、2和3的黑色素瘤和BCC图像的AI模型比提供皮肤类型4和5的黑色素瘤和BCC图像的AI模型表现更好。这可能是因为皮肤颜色较深的人，皮肤疾病的表现有更多的变异性;此外，肤色较深的个体的皮肤表现可能不容易与周围皮肤区分。因此，AI模型要想表现得同样好，就需要收集更多有皮肤疾病的有色皮肤图像，而不是浅色皮肤疾病的图像。