伍斯特理工學院研發AI皮膚癌偵測工具 助醫師早期診斷
伍斯特理工學院開發的AI工具TwinSight有何功能？
伍斯特理工學院研究團隊開發了一款名為TwinSight的人工智慧工具，旨在透過分析皮膚影像來協助早期偵測皮膚癌。該工具結合了卷積神經網路（CNN）和視覺轉換器（vision transformer）兩種深度學習模型，能夠輔助基層醫療醫師在例行檢查時即時評估可疑病灶。TwinSight的目標是幫助醫師更精準地篩選出需要轉介至專科醫師的病患，進而加速皮膚癌的診斷流程。
伍斯特理工學院研究團隊正在開發一款名為 TwinSight 的人工智慧（AI）工具，旨在透過分析皮膚影像，協助早期偵測皮膚癌。該工具的最終目標是打造一款手持裝置，供基層醫療醫師在例行檢查時使用，即時評估可疑病灶，進而協助他們判斷哪些病患需要轉介至專科醫師，加速診斷流程。
電機與電腦工程學系教授 Xinming Huang 指出，黑色素瘤在早期階段對於非皮膚科專家而言，往往難以辨識。AI 技術的潛力在於能輔助這些醫師，更精準地篩選出需轉介至專科的病患。團隊開發的 TwinSight 模型結合了卷積神經網路（CNN）和視覺轉換器（vision transformer），這兩種用於分析影像的深度學習電腦程式。
TwinSight 模型在 International Skin Imaging Collaboration（ISIC）舉辦的國際人工智慧競賽中獲得第三名，該競賽共有 181 支學術與企業研究團隊參與。競賽中，TwinSight 模型使用 5,294 張匿名圖像進行訓練，並以 479 張圖像進行分析，最終在 Dice coefficient 指標上獲得 0.662 分。博士生兼 Fulbright 學者 Garcia 表示，手持工具的願景在於讓基層醫師能即時獲得 AI 評估，有望促成皮膚癌的更早診斷。
為了進一步開發與測試此工具，伍斯特理工學院團隊正與佛州當地的皮膚科醫師合作，並使用來自佛州一間醫院的 187 張圖像資料進行模型驗證。研究團隊強調，這項 AI 工具旨在輔助醫師，而非取代皮膚科醫師的專業判斷。早在 2024 年，美國監管機構已批准一款 AI 輔助工具，用於評估皮膚病變並提供資訊給基層醫師，顯示 AI 在醫療領域的應用日益普及。Xinming Huang 教授坦言，開發能與皮膚科醫師專業技能匹敵的 AI 工具仍具挑戰，而最終目標仍是幫助醫師做出更快、更自信的診斷決策。
TwinSight在國際競賽中表現如何？
TwinSight模型在ISIC國際人工智慧競賽中，於181支參賽團隊中獲得第三名。該模型使用5,294張匿名圖像進行訓練，並以479張圖像進行分析，在Dice coefficient指標上獲得0.662分。
TwinSight的最終目標是什麼？
該工具的最終目標是打造一款手持裝置，讓基層醫療醫師在例行檢查時能即時獲得AI評估，以協助判斷病患是否需要轉介至專科醫師，進而促成皮膚癌的更早診斷。
TwinSight是否會取代皮膚科醫師？
研究團隊強調，TwinSight這項AI工具旨在輔助醫師，而非取代皮膚科醫師的專業判斷。開發能與皮膚科醫師專業技能匹敵的AI工具仍具挑戰，其最終目標是幫助醫師做出更快、更自信的診斷決策。
