综述：多模态人工智能技术用于提升皮肤癌的诊断与预后能力

《Hormones & Cancer》：Multimodal artificial intelligence for enhanced skin cancer diagnosis and prognosis

皮肤癌作为全球常见且致命恶性肿瘤，其早期诊断与预后评估面临主观性、资源限制及观察者差异挑战。人工智能尤其是深度学习技术（如卷积神经网络、视觉Transformer）显著提升皮肤镜和临床图像分类准确度达皮肤科医师水平，多模态数据融合（病理、基因组、患者信息）优化预后预测。现存问题包括数据偏差、可解释性不足、监管障碍及技术可及性差异，需通过可解释AI、联邦学习、强化临床验证及公平部署策略推动临床转化。

　　

摘要

皮肤癌是全球最常见的恶性肿瘤之一，在临床上具有重要意义，其发病率不断上升，死亡率也相当高。尤其是黑色素瘤，尽管仅占皮肤癌病例的不到5%，但却导致了约75-80%的皮肤癌相关死亡。早期发现和准确的预后预测对于改善患者预后至关重要，然而主观性、资源限制以及观察者之间的差异往往限制了传统诊断方法的应用。人工智能（AI）的最新进展，尤其是深度学习，在提高诊断准确性、风险分层和个性化治疗计划方面展现了巨大的潜力。卷积神经网络、视觉变换器和混合架构在分类皮肤镜图像和临床图像方面已达到皮肤科医生的水平；而整合组织病理学、基因组学和患者元数据的多模态方法则提升了预后评估的能力。尽管取得了这些进展，但仍存在一些重大挑战，包括数据集偏见、缺乏可解释性、监管障碍以及AI技术获取的不平等问题。通过可解释AI、联邦学习、稳健的临床验证和公平的部署策略来解决这些挑战，对于将AI技术应用于常规医疗实践至关重要。本综述综合了当前关于AI在皮肤癌诊断和预后中的应用的最新证据，强调了关键技术创新，并概述了确保AI安全、有效且全球范围内可应用于皮肤科护理所需的挑战和未来发展方向。