摘要：
一般皮膚疾病診斷，是透過醫師的視診、問診及觸診來達成。在實務上，即使是很有經驗的醫師，仍然很難單靠肉眼視診或問診觸診來正確診斷某些皮膚疾病，例如臨床上常有辨識難度的皮膚良性或惡性腫瘤，如基底細胞癌、鱗狀上皮細胞癌、黑色素瘤與良性的母斑(痣)、脂漏性角化症等等。惡性病灶可以”貌似忠良”，而良性病灶亦可能”惡形惡狀”，單用肉眼從外觀判斷難已避免失準，而這些具良惡性差異的疾病，治療與預後大不相同。為了避免紛爭，當醫師有一絲絲懷疑是惡性病灶時，或是患者擔心有惡性可能時，常安排侵入性手術切片，透過顯微鏡檢來確立診斷。然而這諸多切片，相當高比例結果是良性病灶，也就是臨床醫師因為診斷的不確定或病人的不安感，增加了許多如果有可以提高診斷正確率的輔助工具便可以避免掉的侵入性檢查。此外，也有醫師認為是良性但實際上有著不易察覺的惡性表徵，而遺漏掉的惡性診斷，可能會影響治療時機。這些情況，若透過人工智慧的深度學習訓練模組，以大規模經病理切片確診的臨床皮膚病灶圖片資料庫，來產出合適的臨床輔助皮膚疾病分類工具，可以減少個別醫師因臨床經驗差異所致之診斷能力差異，可確切地在合適的時機安排侵入性病理切片檢查，醫病雙贏。系統成熟後，更可推廣至醫療資源相對缺乏之區域進行初步遠端照會，精進照護質量。

Download