- 科技報導
文章專區
2017-01-01黑色素瘤自動化檢測系統提供皮膚癌早期篩檢
421 期
Author 作者
編輯部
【本刊訊】黑色素瘤，是從黑色素細胞不正常增生所形成的癌症，主要好發皮膚上。造成黑色素瘤發生主要是因紫外線暴露造成。大約有25%的黑色素瘤是由身體原有的痣發展而來，當身體上的痣越來越大、邊緣開始變得不規則或顏色改變，就有可能是黑色素瘤增生。
雖然黑色素瘤主要好發於皮膚較白的白種人，在臺灣的發生率並不高，但因為黑色素瘤為惡性腫瘤機率高，也容易轉移，因此造成死亡率高。因此，若能提早發現，就能及早治療並提升病患的存活率，然而，黑色素瘤良性、惡性的判斷一直以來都是困擾許多皮膚科醫生的問題。
研究人員也表示，黑色素瘤如何正確評估是個非常迫切的需求，透過皮膚科醫生的觀察，就算把可疑的病變檢體拿去切片檢驗，也只有約10％的病例確診為黑色素癌。
有鑑於此，美國洛克菲勒大學（Rockefeller University）的研究人員開發了一種自動化技術，能結合圖像與數字分析和機器學習，幫助醫生在早期階段檢測黑色素瘤，並判斷其良惡性，希望能快速幫助患有此病的病患診斷。
由研究皮膚科實驗室（Laboratory of Investigative Dermatology）所研發的方法是利用病變的圖像，經由電腦的計算並推斷往後黑色素瘤的成長與顏色，透過一系列的計算與定量數據處理，並將這些分析出來的風險分數稱作Q分數（Q-score）， 代表生長成癌的可能性。這項發現也 發表在2016年12月的《實驗皮膚學》（Experimental Dermatology）中。
研究人員將60張黑素瘤癌照片和等量的良性瘤生長的照片進行圖像處理，透過圖像生物標誌物（imaging biomarkers）來精確量化黑色素瘤生長的特徵。並利用計算方法產生出一組定量指標，在2組不同圖像之間，透過圖像比對來確定黑色素瘤的病變，並給予每個生物標誌物一個分數。經過加總每個生物標誌物的數據，最後計算出圖像的總分數Q，此數值會界在0~1之間，而較高的數字則代表病變成黑色素癌的機率較高。
而透過這個評估工具進行測量，結果發現Q分數舉具有98％的高度敏感性，代表著它能有效且正確地識別皮膚上的早期黑色素瘤。除此之外，此工具能正確診斷普通痣的能力為36％，此數據也接近由皮膚科醫生在顯微鏡下進行痣的診斷所達到的水平。
透過這項新方法，研究人員希望能早期發現黑色素瘤，提高病患的存活率，並且能避免大量的活體組織切片。未來也會持續研究，希望能透過皮膚顏色的特定波長來找病變，提供醫生進行更準確的判斷。
The Rockefeller University, Researchers develop automated melanoma detector for skin cancer screening, 2016/12/23.