人工智能(AI)是指在编程软件中使用软件来模拟人类智能。机器学习(ML)的子类别与我们的皮肤病学领域高度相关，因为在这一领域以及包括放射学、眼科和病理学在内的所有图像专业都取得了显著进展。

由于过去5年左右开发的新算法，软件现在可以在图像中检测模式，以识别特定诊断的特征。例如，一些软件现在可以用来扫描放射图像，以检测随时间的变化或指出诊断。在眼科，fda批准的软件应用程序可以比眼科医生更敏感地检测糖尿病视网膜病变。

在皮肤学领域，目前的重点是机器学习，使用图像集和与这些图像相关的数据来训练软件在图像中检测模式。其目标是在临床环境中，例如，皮肤科医生可以捕捉可疑色素病变的图像。软件可以扫描该图像并检测模式，得出一个“评分”，表明病变是黑色素瘤的可能性。基于他/她的体内评估，皮肤科医生可以使用这个评分来决定观察病变或干预。例如，软件还可以广泛应用于拍摄皮疹的图像，并生成潜在诊断的简短列表。在这两种情况下，软件都不能真正诊断疾病;相反，它将帮助指导人类医生作出诊断。因此，我更愿意将AI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，以下是关于AI当前状态的更新，它是什么，不是什么，以及它可能如何影响护理。

1.人工智能无法取代皮肤科医生

虽然非皮肤科医生可能会错过皮肤病诊断，但事实上皮肤科医生也可能会错过诊断。以诊断无色素性黑色素瘤为例。人工智能，通过机器学习，有潜力在未来的考场提供第二意见。皮肤科医生筛查皮肤癌的方法没有标准。事实上，皮肤科医生之间有一系列的行为，有些是非常彻底的，有些则不然。在这里，人工智能在近期有很大的潜力。数字摄影与机器学习结合使用可以创造一种客观的方法，帮助皮肤科医生发现一些肉眼可能看不到的东西。

2.但它可以延长皮肤护理

在美国，大多数皮肤护理(约65%)由非皮肤科医生负责。在英国，可能有高达95%的皮肤投诉是由非皮肤科医生处理的。在一些国家，每百万人中只有一名皮肤科医生。皮肤科医生永远都不够用。有可能，软件应用程序可以通过增强护理点的决策来改善全球的皮肤护理，无论是否与皮肤科医生。最终，这不仅仅是我们的专长;它是关于为人们做好事，改善皮肤护理。

3.人工智能可以解决公平问题

认知偏见，如过早闭合，锚定偏见，代表性偏见，以及性别和种族偏见，都有助于诊断错误和次优治疗。有证据表明，女性在心肌梗死(MI)周围经历了更多的诊断错误，这是由于一种错误的信念导致的偏见，即女性经历心肌梗死的比率与男性不一样。如果经过适当的训练，人工智能可以帮助填补这些偏见造成的知识缺口。

在种族偏见方面，作为皮肤科医生，我们知道红色和紫色在棕色皮肤上不会像在白色皮肤上那样出现。人工智能和机器学习必须以一种对所有人公平和公平的方式进行训练*，并有助于减少这些偏见的发生。

4.病人有知情权

关于人工智能的伦理问题，理论和实践都提出了关注。对于大多数皮肤科医生来说，最重要的伦理考量是透明度。患者必须清楚了解人工智能应用于临床的目的。想象一下，ML算法给出50%的色素病变是黑色素瘤的可能性。你建议做活检。您能解释一下ML分析是如何影响您的建议的吗?目前，在检查室中，皮肤科的大多数人工智能都被用于增强决策。当我们获得FDA批准的自主诊断应用，如色素病变分析，我们将必须了解使用这些工具的所有伦理后果。

5.皮肤科医生必须做好功课

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。医生还必须审查他们在实践中实施的任何人工智能。在临床实践中，医生不应该在不了解软件或设备如何工作并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分享，并希望独立验证——以证明它的准确性。

人工智能和机器学习的好坏取决于它所训练的初始数据。如果你用糟糕的数据进行训练，那么你就会拥有糟糕的AI。在采用任何人工智能之前，确定是谁开发了它，它是用什么数据训练的。

6.科技可以增强人际关系

人们普遍担心，电子病历的使用将技术置于患者和医生之间——从字面上讲，医生与平板电脑和电脑交互——与此相反，人工智能和其他技术有可能增强医患关系并支持信任。即使我们对诊断有信心，我们也可以利用技术来支持我们的判断，并教育患者。虽然搜索诊断可能只需要几秒钟，但患者会认为你“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，患者和家长很可能在预约之前或之后查看诊断结果，或者他们之前可能被误诊了，或者只是觉得被以前的医生忽略了。考虑一下让一位受过训练的皮肤科医生带着他们熟悉技术，而不是让他们自己在网上审查资源，对患者的价值。

7.人工智能可能会给医学教育带来革命

过去100年的医学教育体系和医疗实践都是以记忆模式为基础的。在皮肤疾病的情况下，皮肤科医生经常观察情况，更有可能保持对潜在症状范围的熟悉。对于多面手来说，他们可能看到的主要是“典型的演示”，由于不熟悉，可能更容易错过变体演示。

想象一下，将成千上万或数百万个案例输入计算机，并提供可靠的数据。(这是一个很大的假设，因为很多数据和电子记录并不准确。)软件可以开始看到人类看不到的模式。随着时间的推移，以及适当开发和审查的软件，我们可以从基于记忆的系统(我们创建这些一般性的陈述供人们记忆)转向一个新的世界，在那里我们可以基于人口数据集增强我们的思维。新一代的住院医师现在有机会真正参与到医学信息学的这个领域，作为一个研究的努力。如果能看到皮肤病研究协会(Society for Investigative Dermatology, SID)这样的组织为越来越多的医学信息、人工智能和机器学习领域的皮肤病专家提供指导，那就太好了。

寻求第二意见

随着技术的进步，人工智能能否应用于皮肤科临床实践已不再是问题。相反，我们应该把重点放在何时和如何的问题上。在近期的皮肤科，人工智能作为一种支持临床决策的工具具有最大的潜力。最好的类比可能是第二种观点。要记住的关键是，医生最终是得出结论、做出诊断并实施治疗计划的人。人工智能是一种支持工具，而医生还是医生。

*博士。论文在2006年发表了一篇关于皮肤科资源差异的论文(J Am academy Dermatol. 55(4):687-90)。他说，从那时起，以及VisualDx的发布，“我们一直有目的地收集有色人种的图像。”“一年前在JAAD上发表了一些关于种族偏见的论文，他们强调VisualDx比其他任何资源都要领先得多。”VisualDx有14000张彩色患者的图片。该公司的最新努力项目IMPACT (projectimpact.org)引起了人们对有色人种疾病缺乏代表性问题的关注，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、有色人种协会等之间日益增长的合作。