人工智能（AI）是指软件在编程软件中模拟人类智能。由于在此以及所有图像特色的显着进展以及包括放射学，眼科和病理学，因此，机器学习（ML）的子类别与我们的皮肤科领域高度相关，包括放射学，眼科和病理学。

由于在过去五年左右开发的新算法，软件现在可以检测图像中的模式以识别特定诊断的特征。例如，现在可以使用一些软件来扫描放射学图像以检测随时间或指向诊断的变化。在眼科中，一个令人难以置信的FDA批准的软件应用程序可以检测糖尿病视网膜病变，比眼科医生更敏感。

在皮肤科，当前的一个重要焦点是机器学习，使用图像集和与这些图像相关的数据来训练软件，以检测图像中的模式。目标是在临床环境中，皮肤科医生可以，例如，捕捉一个可疑的色素沉着病变的图像。软件可以扫描图像，并检测模式，得出一个“评分”，表明病变是黑色素瘤的可能性。根据他/她的体内评估，皮肤科医生可以使用该评分来决定观察病变或进行干预。软件还可以更广泛地应用于皮疹的图像，例如，生成一个简短的潜在诊断列表。在这两种情况下，软件都不会真正诊断疾病;相反，它将帮助指导人类医生作出诊断。因此，我更愿意将人工智能视为增强智能，而不是人工智能。其目标不是取代人类的智能，而是增加知识和支持临床决策。

考虑到这一点，下面是关于人工智能当前状态的更新，它是什么，它不是什么，以及它可能如何影响医疗保健。

1.人工智能不会取代皮肤科医生

虽然皮肤科的诊断可能会被非皮肤科医生忽略，但事实是皮肤科医生也可能会忽略诊断。例如，考虑诊断无色素性黑素瘤的挑战。未来，通过机器学习，人工智能有可能在考场上提供第二意见。皮肤科医生筛查皮肤癌的方式没有标准。事实上，在皮肤科医生之间存在着一系列的行为，有些非常彻底，有些则不然。在这方面，人工智能在短期内具有巨大的潜力。数码摄影与机器学习的结合可以创造一种客观的方法，帮助皮肤科医生发现肉眼可能看不到的东西。

2.但它可以扩展皮肤护理

美国大多数护肤品 - 约65％ - 由非皮肤科医生处理。在英国，可能占非皮肤病学家的95％的皮肤投诉。在一些国家，只有少数皮肤科医生服务于每百万百万患者的皮肤科医生的比例。绝不会有足够的皮肤病学家。潜在的，软件应用程序可用于通过在护理点的决策，无论是否与皮肤科医生一起使用，可以使用软件应用。最终，这不仅仅是关于我们的专业;这是关于为人们做好事，改善皮肤。

3.人工智能可以解决围绕股权的问题

认知偏见，如过早闭合、锚定偏见和代表性偏见，以及性别和种族偏见，都会导致诊断错误和次优护理。考虑到有证据表明，女性在心肌梗死(MI)方面经历了更多的诊断错误，这是由于错误的信念导致的偏见，即女性患MI的几率与男性不一样。人工智能可以帮助填补这些偏见造成的知识空白——如果训练得当的话。

就种族偏见而言，作为皮肤科医生，我们知道红皮肤不会出现在棕色皮肤上，就像它在白色皮肤上确实。AI和机器学习MUT以公平和公平的方式培训，所有人*可以帮助减少这些偏差的发生。

4.患者有权了解

关于AI的道德规范，已经提出了理论和实践问题。对于大多数皮肤病学家来说，最重要的道德考虑与透明度有关。患者必须清楚地了解临床中AI的目的。想象一下，M1算法给色素病变的50％可能是黑色素瘤的可能性。你建议一个活检。您解释了ML分析如何通知您的建议？目前，实时在考试室中，大多数皮肤科中的AI用于增强决策。当我们有FDA批准的自主诊断应用，如色素损伤分析，我们将不得不了解这些工具使用的所有道德后果。

5.皮肤科医生必须做他们的功课

为了正确使用人工智能，并向患者解释它的用途，皮肤科医生必须首先了解软件或设备声称能做什么。同样重要的是，医生对他们实施的任何人工智能进行审查。在临床实践中，任何医生都不应该在不了解软件或设备的工作原理和不确定其可靠性的情况下使用它们。应该有透明的数据和科学共享，并有希望独立验证——以证明它是准确的。

AI和机器学习只与初始数据一样好，它受过培训。如果您在错误的数据上训练，那么您将会有糟糕的AI。在采用任何AI之前，确定谁开发了它以及它培训的数据。

6.科技可以增进人际关系

人们普遍认为，电子病历的使用将技术置于病人和医生之间——就像医生与平板电脑和电脑互动一样——与此相反，人工智能和其他技术有潜力增强医患关系，并支持信任。即使当我们对诊断结果有信心时，我们也可以使用技术来支持我们的决定，并对患者进行教育。虽然搜索诊断可能只需要几秒钟，但病人会觉得你“花了时间”和他们在一起，可能会对他们的诊断更有信心。

请记住，患者和父母可能会在预约之前或之后抬头诊断，或者他们以前可能被误诊或简单地被以前的医生解雇。考虑患有训练皮肤科医生的患者的价值通过技术，而不是将它们留给在线来源。

7. AI可以彻底改变医学教育

过去100年来，医学教育体系和医学实践一直建立在记忆模式的基础上。在皮肤病的情况下，经常看到症状的皮肤科医生更有可能保持对潜在症状范围的熟悉。对于一个多面手来说，他可能看到的大部分都是“典型的演示”，由于不熟悉，可能更容易错过不同的演示。

想象一下已经用良好的数据在计算机中输入了数十万或数百万个案例。（这是一个很大的假设，因为很多数据和电子记录都不准确。）软件可以开始看到人类没有看到的模式。随着时间的推移和适当的开发和审查软件，我们可以远离基于内存的系统，在那里我们为人们记住的人创建这些一般性陈述，以便根据人口数据集增加我们的思想。新一代居民出来的居民现在拥有这种黄金机会，真正参与了这一医学信息学领域，作为一项研究努力。很高兴看到像调查皮肤科（SID）的社会等团体在医疗信息学，AI和机器学习领域的越来越多的学术皮肤病学家。

征求别人的意见

随着技术的进步，问题不再是人工智能是否将用于皮肤科临床实践。相反，我们应该把重点放在何时和如何做的问题上。在近期皮肤科，人工智能作为一种支持临床决策的工具具有最大的潜力。最好的类比可能是另一种观点。要记住的关键是，医生最终将是得出结论、给出诊断并实施治疗计划的人。人工智能是一种辅助工具，医生还是医生。

*博士。paper在2006年发表了一篇论文，讨论了皮肤科资源的差异(J Am Acad Dermatol. 55(4):687-90)。从那时起，以及VisualDx的发布，“我们一直致力于收集有色人种的图像，”他说。“一年前，在JAAD上发表了一些关于种族偏见的论文，他们强调了VisualDx在其他资源中是多么的领先。”VisualDx有14000张彩色病人的图像。该公司的最新努力项目IMPACT (projectimpact.org)引起了人们对有色皮肤疾病缺乏表征这一问题的关注，并确定了有助于解决这一限制的资源。这是AAD、SID、APD、新英格兰医学杂志、肤色协会等组织之间不断增长的合作。