美国东北大学团队开发出一款名为“SegFusion”的AI系统，在黑色素瘤识别上准确率达99%。这项技术或将帮助医生更早发现皮肤癌，挽救无数生命。

黑色素瘤，是皮肤癌中最致命的一种。美国皮肤病学会预测，仅在2025年，美国就将新增约21.2万例病例。它起初可能只是一颗不起眼的痣，但一旦扩散到淋巴或内脏，往往已是生死关头。

在这样的威胁下，一场关于“早发现”的科技革命正在展开。美国东北大学的研究者 Divya Chaudhary 和研究生 Peng Zhang 研发出一套全新的人工智能系统——SegFusion Framework。它的目标，是让医生在第一时间分辨出皮肤上的危险信号。

“如果我们能更早发现黑色素瘤，就能挽救无数生命。”Chaudhary 语气坚定。

这项AI的强大之处，在于它融合了两种深度学习模型。一个善于在皮肤图像中找出可疑区域；另一个则进一步分析这些区域，判断其中是否藏有癌变风险。两者像一对默契的搭档，一个聚焦、一个判断，共同织出对癌症的精准捕捉网。

当研究团队用国际皮肤影像协作组织(ISIC)2020数据集进行测试时，SegFusion的表现令人惊叹——准确率达到99.01%，超过了目前常用的几种主流AI模型，如ResNet-101+SVM(97.15%)、NasNet(97.7%)和MobileNetV2(98.2%)。这不仅仅是一次算法的突破，更像是一次对未来医疗的提前窥见。

在SegFusion的架构中，U-Net负责描绘出皮肤上可疑的“边界”，像医生在放大镜下勾勒出病灶轮廓；EfficientNet则接过接力棒，对这些区域进行精准分类，判断其是否为癌症。

研究团队用两个大型皮肤图像数据库训练模型：HAM10000提供了1万多张色素性皮损图片，用于教会AI“找出可疑区域”；ISIC 2020则提供了3.3万张图像，其中标明了是否为黑色素瘤。由于其中仅有1.8%的样本是真实黑色素瘤，团队通过“过采样”和“欠采样”让模型在学习时能平衡不同类型的图像，避免AI偏向“健康皮肤”。

为了让两个模型高效协作，研究者还设计了一个“数据桥”。第一个模型输出黑白掩膜，标记可疑区域；这层掩膜再叠加回原始图像，供第二个模型更精准地进行癌变判断。

目前，这两个模型仍需部分人工衔接，但研究团队的目标是让系统实现全自动，从图像采集到诊断输出，一气呵成。

展望未来，Chaudhary计划将更多健康数据纳入系统，例如血压、血氧等生理指标，让AI的诊断更接近临床现实。她甚至设想，未来皮肤科医生可以通过一款App，AI在后台默默运行，实时辅助医生决策。

而这项技术的潜力，也绝不仅限于皮肤癌。Chaudhary透露，他们正在尝试让SegFusion扩展到乳腺癌、肺癌等其他类型肿瘤的检测中。“我们正在打造一个更大的癌症识别系统，”她说，“未来，你只需上传一张图像，AI就能告诉你一切。”

从最初的一颗痣，到挽救一条生命——SegFusion让科技与医学的边界变得模糊。那是一种新的希望：当算法学会读懂人类皮肤的语言，也许疾病的命运，将被改写。

本文译自 northeastern news，由 BALI 编辑发布。


2025王摸鱼秋款卫衣，玩梗系列