好友母親驟逝,17歲少女開發黑色素瘤早期診斷工具,準確率80%

作者 | 發布日期 2013 年 07 月 17 日 16:40 | 分類 醫療科技
elizabeth-zhao

日前我們介紹了「15歲小女孩發明手電筒,只靠體溫就能亮」,其實在2013年Google科學大賽(Google Science Fair)決賽中,還有其他優秀的作品。來自美國波特蘭的17歲少女Elizabeth Zhao針對黑色素瘤癌症的前期診斷設計了一個多步驟系統,利用影像擷取與電腦計算來判斷是否是黑色素瘤,準確率達80%。




早期發現存活率近100%

黑色素瘤是黑色素細胞產生病變,我們在之前的「只得一種黑色素瘤致死機率比多種高出13.6倍」中也提到「厚度超過4mm的單一種黑色素瘤斑點,其致死率比多種黑色素瘤但厚度僅1mm要高」。長庚紀念醫院皮膚科醫師陳建勳說,黑色素瘤發生的機率其實並不高,可能比中彩券頭獎的機率還低。但是一旦長出黑色素瘤,如果沒有早期發現並儘速治療,致死率卻很高。

從下圖就可以發現,愈是早期(黃線)發現黑色素瘤,第一年的治癒機率幾乎是百分之百,但愈慢發現,治癒的機率就大幅下降,Elizabeth Zhao的研究就是希望能研發出一個早期診斷工具,儘量爭取治療的機會。

surv
(Photo Credit: Elizabeth Zhao from MMMP.org)

影像分析與人工智慧學習

這個專案運用影像處理演算法,對皮膚上疑似的斑點進行邊緣偵測與影像分割,找出斑點的特徵,資料經統計分析處理,由「人工神經網路」(Artificial Neural Networks, ANN)進行下階段的學習。學習過程使用了350案例資料讓ANN學習,建立一個數據資料庫,做為判讀斑點是良性與否的依據,以便進行最後診斷。

影像處理部份,Zhao遵循目前醫界建議用肉眼檢視疑似黑色素瘤斑塊的標準,也就是色素斑點的"ABCD":

A,形狀不對稱(asymetry)

B,邊緣不規則(irregular border)

C,顏色有淺有深 (color varigation)

D,大於6mm (daimeter>6mm),如下圖所示

abcd_melanoma
(Photo Credit: Elizabeth Zhao from skincancer.org)

未來可發展為民眾自行檢測工具

Zhao表示,即使是現有電腦診斷仍感到困難的不對稱、邊緣不規則的良性黑色素瘤,利用她的診斷工具準確率也達75%。未來這套系統可以進一步強化對斑點顏色的辨識能力,同時改善人機界面,並且轉換為C語言或Java,以便開放為大眾使用,如此民眾可以先自己進行檢測,然後再去專業醫療院所做進一步的檢查。

Elizabeth Zhao的研究入選17-18歲組的決賽。她住在美國俄勒岡州波特蘭市,她表示創意與技術的進步讓她感到驚豔,相信讓生活更安全更健康;自從她的高中最好的朋友母親因黑色素瘤過世後,她目睹了同學的人生如何轉變,因此決心藉這個機會,研發出早期診斷工具,協助無數受到癌症威脅的人們。

GSF2013

(Opening Photo Credit: Google)

相關資料
A Novel Implementation of Image Processing and Machine Learning for Early Diagnosis of Melanoma
黑色素瘤的認識與處理 

發表迴響