基于皮肤影像大数据的皮肤病人工智能系列产品研发与应用

admin管理员组

文章数量:1531316

2024年6月19日发(作者：)

基于皮肤影像大数据的皮肤病

人工智能紊刻产品匸开发与血用

沈长兵

2

李承旭

2

沈雪"竞艳^王子仪心

薛珂心

唐晓枫'邹新寅'徐峰'于瑞星'

马维民'徐峰'孟如松。

崔勇

摘

要

皮肤病学是基于皮损可视化特征建立的临床

［

级学科

，皮肤影像技术被广泛应用于皮肤病的辅助诊断和治疗评

估

，

可显著提高皮肤科医生的诊断水平和匸作效率

。

人匸智能

(Artificial

Intel

1

igence,

Al

)

是近年来迅速发展的技术

和手段

，

在不同领域均得到应用

。

“

中国人群皮肤影像资源库项目

(

Chinese

Skin

Image

Database,

CS1D)

”

于

2017

年

5

月正式成立

，

已建设成为我国皮肤影像技术研究

、

教育与应用的共性资源和技术平台

。

目前

，

多学科专家基于

CSID

已完成

系列

AI

产品的研发

，

并逐步应用到临床工作

。

皮肤病

AI

产品在皮肤科中具有广阔的应用前景

，

将显著提升医生对皮肤疾病

的诊疗水平

，

同时也将改变医生的医疗行为模式，

更将赋能基层医院皮肤疾病诊疗

。

CSID

将继续推进皮肤影像技术的普及

和皮肤病

AI

产品在我国的落地化应用

，

为我国的分级医疗政策和医疗改革做出应有的贡献

。

关键词

人工智能皮肤病

皮肤影像人数据研发应用

Doi:10.3969/.

1673-7571.2019.03.006

［中图分矣号

］

R751

［

文献标识码

］

A

Development

and

Application

of

Dermatological

Artificial

Intelligence

Products

Based

on

Big

1

)ata

of

Skin

Image

/

SHEN

("hang

—

bing,

LI

C'heng

—

xu,

SHEN

Xue,

et

al//China

Digital

Medicine.

—

2019

14(3):

22

to

25

Abstract

Dermatology

is

a

second

—

level

clinical

discipline

and

based

on

the

lesion

visual

characteristics,

skin

—

imaging

technology

is

widely

used

in

the

auxiliary

diagnosis

of

skin

diseases

and

evaluation

of

therapeutic

effect,

which

significantly

improves

the

dennatologists'

diagnostic

level

and

work

efficiency.

intelligence

(AI)

is

an

emerging

technology

-

and

methods

in

recent

years,

and

has

been

.ipplied

in

diflerent

fields

(including

medicine,

industry,

agriculture,

etc.).

The

('liinese

Skin

Image

Database

(C'SIJ

))

was

launched

in

May

2017,

and

has

developed

into

a

system

platfonn

for

skin

imaging

research,

education,

and

application

in

China.

Based

on

('SID.

experts

band

together

to

carry

out

the

research

on

skin

AI.

a

series

of

AI

products

(including

portable

intelligent

dermoscopy,

multi

—

dimensional

skin

image

analysis

and

management

system.

Yellow

race

skin

tumor

artificial

intelligence

auxiliary

decision-making

system

—

Youzhi

AI

—

1.(

),

elderly

skin

tumor

remote

diagnosis

and

treatment

AI

tod.

skin

—

melanonychia

AI

—

1.0,

Youzhi

AI

—

2.(

),

psoriasis

management

AI)

have

been

completed

and

gradually

applied

in

clinic,

improved

the

diagnostic

level

of

dennatologv

in

('hina.

Dermatok^gical

AI

products

have

broad

prospects

in

dennatolog

which

will

sigiiifkantly

improve

the

doctor's

diagnosis

and

treatment

level,

and

will

change

the

doctor's

medical

behavior

patterns,

also

enable

the

primary

hospitals

to

diagnose

and

treat

skin

diseases.

(.'SID

will

continue

to

promote

the

spread

application

of

skin

imaging

technology

and

the

use

of

Dermatological

AI

products,

and

make

contribution

to

the

grading

medical

policy

and

medical

reform

in

China.

农基金项目

：

米尔斯坦亚美医学基金会项目-中国人群皮肤病数字图片资源库的建立与应用(编号

：

MMAAP2016023

);

中国皮肤影像资源库

项目开放课题(编号

：

CSID-ORF-201711

)

*通信作者

：

国家卫生健康委员会中日友好医院皮肤病与性病科

，

1()()()29,

北京市朝阳区樱花园东街

2

号

①

国家卫生健康委员会中日友好医院皮肤病与性病科

，

1()()()29,

北京市朝阳区櫻花园东街

2

号

②

中国医学科学院北京协和医院研究生院

，

1()()73(),

北京市东城区东单三条

9

号

③

安徽医科大学第一附属医院皮肤性病科

，

230()32,

安徽省合肥市蜀山区绩溪路

21

*

*

号

④

上海麦色智能科技有限公司

，

2O1KM

)

,

上海市闵行区宜山路

161X

号

⑤

复旦大学附属华山医院皮肤科，

2(X)(

)40,

上海市静安区乌鲁木齐中路

12

号

⑥

中国人民解放军空军特色医学中心皮肤科

，

1()()142,

北京市海淀区阜成路

3()

号

22

中國歌客普睜

Keywords

Artificial

Intelligence,

skin

diseases,

big

data

of

skin

image,

development,

application

Fund

project

Milstein

Medical

Asian

American

Kirtnership

F

(

ni

1

Pn^ject

—

Establishmentapplication

of

digital

image

database

tor

skin

Diseases

in

('liinese

population(2(

)

16()23);

C^pen

Research

Funding

of

Chinese

Skin

Image

Database

(-ORF-2()171

1)

Corresponding

author

Department

of

Demiat

(

^l

()

gy.

('hina

—

Japan

Friendship

Hospital,

Beijing

1(10029,

P.K.C.

1

引言

近年来

，皮肤影像技术在皮肤科

中得到广泛应用

，

提升了皮肤科医生

的诊疗水平和工作效率

"T

。

皮肤病

了皮肤影像质量体系建设和图片标注

样本

：

第二步对样本进行建模训练

，

然后用训练出来的模型进行数据预标

工作

，

成立了皮肤影像学院

，

联合企

业共同设立

CSID

开放研究课题

(

Open

注

，

由人工判断标注是否准确

，并反

Research

Funding

of

CSID,

CSID-

ORF

)

。

2018

年

10

月

13

日

，

CSID

研究

院正式成立

，

与高校

、

科研院所

、

医

馈结果用于优化算法

。

的种类众多

，

且我国皮肤病患者数量

庞大

，

由全国众多医疗机构采集的海

量皮肤影像资源，

是我国皮肤病智能

3.2

数据算法深度学习是一个统计学

习过程

，

数据质量和数据选择是算法

疗机构紧密合作

，

全面承接

CSID

的科

的核心

，

其训练要具有可泛化的临床

意义冋。

深度学习系统会学习到一个类

辅助诊断系统和工具研发的基础

。

人

工智能

(

Artificial

Intelligence,

Al

)

是一个融合计算机科学

、

脑神经学

、

统计学和社会科学等多学科的前沿综

学研究事务

。

经过前期阶段的建设和

推广工作

，

CSID

已成为我国皮肤影像

技术研究

、

教育与应用的共性资源和

的特征

，

且这个特征对鉴别来说是最

有用的一个特征

。

给系统一个广泛分

技术平台

。

类的任务

，

这些分类由不同的疾病组

合学科

，

可以辅助人类实现识别

、

认

知

、

分析和决策等多种功能

。

基于皮

成

，

同时每个疾病又有不同的样本

，

肤影像大数据

，

我国皮肤病学专家在

皮肤病

AI

产品的研发及其临床应用方

面进行了探索和尝试

，并取得了一定

3

CSID

开展皮肤病

AI

研发

的基础工作

3.1

皮肤影像图片标注皮肤影像图片

标注工作工程巨大

，

也是

AI

识别质量

那么系统会将那些最有用(主要)的

疾病特征进行学习，

而一些不太常用

(

次要

)

的特征则不会被学习

。

卷

积神经网络

(

Convolutional

Neural

的成效

。

的决定性因素

。

CSID

已经形成一套

海量皮肤影像图片的管理平台

，从图

Networks,

CNN

)

是深度学习的代表

算法之一

，

CNN

是为识别二维图形图

像而特殊设计的一个多层感知器

，

2

中国人群皮肤影像资源

库项目

2002

年

，

由安徽医科大学第一

附属医院牵头，

联合国内多家单位

协同成立"中国皮肤病摄影图像联

片的采集

、

入库

、

查询

、

管理

、

清

洗

、

标注

、

训练

、

验证等

，围绕

AI

模

型的训练构建了一套平台系统

。

针对

其对平移

、

比例缩放、

倾斜或其他

形式的变形具有高度不变性⑺

。

传

入库清洗后的图片进行标注

，

系统支

持多人网络化标注

、

自动标注

、

标注

统机器学习方法

，受图像的角度

、

光线

、

分辨率等多方面的影响

，

准

确性难以得到提高

。

随着深度学习

盟

”

，开始了皮肤病影像数据库的建

设工作

，

为国内各类皮肤科教材和专

的审核质控

、

标注后的回顾

、

历史照

片对比等功能

。

在标注质控管理方

的突破

，

数据驱动的方法克服了这

著提供图片资料⑷

。

2017

年

5

月

，

由

中日友好医院崔勇教授牵头

，

并联合

全国皮肤影像领域权威专家

，

共同发

面

，

系统提供标准标注模式和流程

，

标注后的多重质控

，

多人标注后比对

些缺点

，

但是针对皮肤疾病种类繁

多

，

需要采用合适的分类方法

，

实

现只需要图片和标签进行端到端的

质控

，

并提供标注的工作量统计

。

在自动智能标注方面

，

利用皮损分割

起成立"中国人群皮肤影像资源库项

训练

。

CSID

专家组针对皮肤的

2

000

余种疾病

，

进行分类层次结构的设

计

，

从而有效实现深度学习的训

@

(

Chinese

Skin

Image

Database,

识别技术

，

根据训练图片标准规范

，

CSID

)

"

15|o

目前

，

CSID

已完成超过

400

余种皮肤病

30

万余组多维度皮肤影

像资料的收集和存储工作，

同时启动

计算机实现自动标注

。探索了标注的

智能化

，

利用深度学习进行标注

，

第

一步由人工进行少量标注

，

生成标注

练

、

决策

，

能够使结果达到临床有

效应用

。

中国数字医学

、

2019

第

14

23

4

基于CSID

的

AI

产品落地

化应用

4.1

便携式智能皮肤镜皮肤镜最初用

于肿瘤性疾病的诊断

，

近年来适应证扩

展到炎症性皮肤病

、

毛发及甲病等"哄

现场测试结果显示

，

优智

AI-1.0

通过

研发出针对甲板色素性损害的智能

诊断和鉴别诊工具

—

—

黑甲

AI-1,0o

黑甲

AI

—

1.0

的测试结果显不

，

对以黑

皮肤镜辅助诊断皮肤肿瘤良恶性分类

准确率达到

85.2%,

在皮肤肿瘤疾病

分类准确率达到

66.7%

0

系统操作简

甲为主要表现的疾病平均识别率达到

单便捷

，

将皮肤影像设备采集的图片

87%

O

黑甲

AI-1.0

具有较高的诊断能

力

，是临床上黑甲诊断与鉴别诊断有

力的参考工具

，并已经开始在临床上

CSID

拥有海量的皮肤镜图片

，

通过分

析和训练从皮肤镜图片中获取的大量

数据

，

研发出可以自动对皮肤镜图片

进行识别和判断的皮肤镜

—

—

便携式

进行简单处理（

将皮损部位置于图片

中心

，

保留皮损周围约

10%

-20%

的

范围

）

，

然后点击

AI

辅助诊断按钮

，

被皮肤科医生使用

。

系统会对上传的图像进行自动分析

，

4.6

优智

AI-2.0

优智

AI-1.0

在基层医

院全科医生和皮肤科医生中受到广泛

欢迎

，

对皮肤疾病进行辅助诊断和鉴

智能皮肤镜

。

便携式智能皮肤镜具有

携带方便

、

易诊断

、

无创检测和支持

基层采集上级诊断等特征

。

目前已有

并在短时间内给出疾病良恶性的可能

性的百分比

，

以及

3

种可能的皮肤疾

病诊断和相应的百分比

。

该辅助决策

别诊断

，大大提升了皮肤科医生的皮

30

余家基层医院和地级市皮肤专科医

联体采购便携式智能皮肤镜

，

并在临

系统已经在

CSID

成员单位得到广泛应

用

，

并获得良好的反响

。

肤病诊疗水平

，

同时也降低了皮肤病

的误诊率及漏诊率

。

随着

CSID

收集

床工作中进行使用

，

提升了皮肤科无

4.4

老年皮肤肿瘤人工智能远程诊疗工

具在皮肤疾病中

，老年皮肤肿瘤是

—

类发病率比较高的疾病

，而且存

在一些恶性皮肤肿瘤早期误诊或漏

皮肤肿瘤数据的进一步增加

，

完成标

注并纳入深度学习的数据量也进一步

创检测技术及其智能诊断水平

，对于

皮肤肿瘤等疾病具有早发现

、

早诊断

扩大

，

CSID

专家组开发了优智皮肤

Al

迭代产品

—

—

优智

AI-2.0,

优智

AI-

和早治疗的价值

。

4.2

多维度皮肤影像分析管理系统

（

云

诊的现象

，

迫切需要精确的诊断工

2.0

对皮肤肿瘤

良恶性的识别率提升

到

91.2%,

疾病类型的识别率提升到

MIIS

系统

）

基于

CSID

研发的多维度皮

肤影像分析管理系统

（云

MIIS

系统

）

具和进行早期筛查

。

针对该现状

，

由复旦大学附属华山医院联合多家

医疗机构基于

CSID

的皮肤镜数据和

81.4%

。

具有以下功能和特点回

：

实现对多种

设备的皮肤图像信息进行集中采集

，

4.7

银屑病慢病管理

AI

银屑病是一种

免疫介导的慢性

、

复发性

、

炎症性皮

底层技术构架

，

于

2018

年

6

月联合发

布了老年皮肤肿瘤人工智能远程诊

疗工具，

诊疗工具承担着赋能基层

具有统一传输

、

存储

、

管理和归档等

肤病

，

我国银屑病患者数量巨大

，

给患者家庭和社会带来了极大的疾

皮肤影像基础管理功能

；

实现多维度

皮肤影像资源整合集成

，

形成以患者

为中心的多时空数据整合

；

基于云平

医疗机构医生对老年皮肤肿瘤诊断

病负担

，

并且严重地影响患者的生

活质量和心理健康

CSID

拥有近

和筛查的任务冋

。

同时

，

该诊疗工具

在复旦大学附属华山医院皮肤科医

联体内的

200

余家基层医疗机构逐步

台

，

实现

1

+N

运行模式

，

完成"基

层检查

，

上级诊断

”

模式

；

基于规范

化知识模板的报告系统

，

提供几百条

规范化报告描述供使用

；

具有专业的

高端图像智能分析处理功能等

。

5

万组银屑病多维度皮肤影像数据

，

由复旦大学附属华山医院联合国内

多家医疗机构

，

于

201

8

年

10

月

27

推广使用

，取得了良好的经济效益

和社会效应

。

日在第二届中国银屑病大会开幕式

上发布了优智皮肤家族新成员一

"银屑病慢病管理

AI

”

。

银屑病慢

4.5

黑甲

AI-1.0

黑甲（

包括甲下出

血

、甲母痣

、

甲黑色素瘤等疾病

）

是

4.3

黄色人种皮肤肿瘤

AI

辅助决策系

统

—

—

优智

AI-1.0

CSID

专家组利用

—

类临床较为常见甲疾病

，

通常其诊

断和治疗均比较困难

。

皮肤镜在甲疾

病管理

AI

可对银屑病的诊断和鉴别

诊断进行辅助决策

、

开展疾病远程

收集的数万份皮肤肿瘤多维度皮肤影

像数据

，

研发了我国首款黄色人种皮

肤肿瘤

AI

辅助决策系统

—

—

优智

AI-

病的诊断方面表现出非常明显的优

协助诊疗活动

、

对患者病历和皮肤

影像资料进行管理

、

对有关指数进

势

，

大多数甲疾病均具有特殊的皮肤

镜表现

"°

1

。

基于

CSID

数据库中黑甲

的影像资料

，

由中国人民解放军空军

特色医学中心联合多家医疗机构共同

1.0,

并于

2018

年

3

月

28

日在中日友好

医院首次公开发布

，

这是基于

CSID

数

行评分等。

银屑病慢病管理

AI

提高

了医生对银屑病患者就诊过程中的

据库的第一个皮肤病

AI

产品回

。

发布会

管理工作。

24

5

皮肤病

Al

未来展望

皮肤病

Al

产品已经在一定程度上

被皮肤科医生接受和各级医疗机构应

An

up

ci

ate

[J]

.J

Am

Acad

Dermatol,

20

1

8,

[7|

Brinker

JS,et

Cancer

Classification

Using

Ci^nvohitional

79(6):1117-1132.

|2|

Imafuku

K,Hata

H

,

Kitamura

S,et

al.

Ultrasound

B

—

mode

and

elastographic

Neural

Networks:

Systematic

Review[J].J

Med

Internet

Res,20l8,2O(l()):e1

1936.

用

，

对于

AI

在皮肤科应用中的探索

，

需要各级政府和有关部门加大经费投

入和给予一定的政策支持，

多学科进

findings

ot

nii

xed

tumonr

of

the

skin

on

the

scalp

[J

|

.J

Eur

Acad

Dermatol

Venereol,2(

)16,30(

1):153

—

5.

|8|

Yelamos

C'J,Braun

RP

丄

iopyris

al.

Usefulness

of

dermoscopy/dermatoscopy

to

improve

the

clinical

and

histopathologic

diagnosis

of

skin

cancers|J

|

.J

Am

Acad

行联合攻关

，

共同对皮肤影像数据进

行深入挖掘

，

研发出能够被广大临床

|3|

Ardigo

no

M,Franceschini

C,et

al.

医护人员和患者接受的

AI

产品

。

AI

在

皮肤科具有广阔的应用前景

，

不仅显著

Reflectance

Confocal

Microscopy

Algorithms

for

Inflammatory

and

Hair

Diseases

[

J

].

Dermatol,

2()19,80(2)

:365-377.

|9]

李承旭

，

沈长兵

，

崔勇•基于中国人群多维

度皮肤影像资源库开展的皮肤病人工智能

研究与应用

[JI

•机器人产业

,2018(6):94-10(

)

.

地提升医生对皮肤疾病的诊疗水平

，

同

Dennatol

Clin,

2016,34(4):487-496.

时也将改变医生的医疗行为模式

，

更将

赋能基层医院皮肤疾病诊疗

。

CSID

作

[4|

Zheng

Y,Lin

Y,Cui

rnutology

in

ChiuaiHistory,

Current

Status,

and

the

Next

[10|

Alessandrini

A,Starace

ini

BM.

为我国皮肤病

AI

研发的共性资源和技术

平台

，

将与医院

、

高校和行业协会继续

Step|J|.J

Investig

Dermatol

Synip

Proc,

2()1

&

19(2):S71-73.

|5]

沈长兵

，

薛珂

，

于瑞星

，

等•推动我国皮肤影

像研究

、

教育与应用的系统平台

—

—

中国

皮肤影像资源库项目

(CSID)|J|.

皮肤科学通

报

,2018(2):125-130.

Dermoscopy

in

the

Evaluation

o

f

Nail

Disorders|J|.Skin

Appendage

开展紧密合作

，

共同推进皮肤影像技术

Disord,201

7,3(2):70-82.

1

1

1

1

Shen

C,Gao

J,Yin

X,et

of

the

late

cornified

envelope

—

3

genes

with

psoriasis

and

psoriatic

arthritis:

a

systematic

的普及和人工智能产品在我国的落地化

应用

，

为我国的分级诊疗政策和医疗改

革作出应有的贡献

。

今

/

参琴文献

[1

]

Micali

G,Verzi

ubba

tive

uses

of

dermoscopy

in

daily

clinical

practice:

[6|

Han

SS,Lini

MS,et

|iretatioi

)

of

the

Outputs

of

a

Deep

Learning

Model

Trained

with

a

Skin

Cancer

Dataset|J].J

Invest

Dermatol,2

(

)l&

138(10):2275-2277.

reviewQ|.J

Genet

Genomics,2()15,42

⑵

:49-56.

[

收稿日期

：

2018-12-10]

【

修回日期:

2019-02-25

]

(责任编辑

：

肖妖妖)

《

中国数字医学

》

杂志

2019

年编辑出版重点选题计划

■

信息化支撑保障作用选题

1

、

信息化促进医疗服务体系、

医疗保障体系

、

公共卫生服务体系和药品供应保障体系建设

，

优化医疗资源配置

,

创新医

疗服务模式

，

改善患者就医体验的方式方法

，

以及典型案例

、

经验剖析、

效果评价和解决方案等.

2

、

移动互联网

、

大数据

、

云计算

、

人工智能和物联网等信息技术在医疗卫生综合管理、分级诊疗就医

、

医保费用结算

、

精准医疗扶贫

、

基本药物供应保障

、

基本公共卫生服务的方法举措和技术架构，

以及应用实践与经验成果等

。

■

物联网在医学领域硏究和应用选题

利用物联网技术和产品在重要医疗活动场所监测

、

特殊患者动态监控

、

特殊医疗设备设施监管

、

特别药品物资跟踪追溯

、

远程生命体征数据监测等医疗护理过程的监测监管模式与方式方法

，

以及关联规则、

技术保障、

对策举措

、

效果评估等

。

■

云计算在医学领域研究和应用选题

依托云计算与大数据和互联网等信息技术在区域医疗协同'

健康医疗大数据

、

互联网诊疗

、

互联网医院

、

网络平台建设

、

网络安全管理的体系架构和技术方案

，

以及辐射范围

、

实现途径

、

运行机制

、

管理模式、

效果评估

、

运行维护和安全管控等

。

3

期

■

25

本文标签： 皮肤影像数据进行疾病