如果一个简单的算法通过分析您的病历，就能在任何可见症状出现之前识别出您患黑色素瘤的风险，那会怎样？根据发表在Acta Dermato-Venereologica杂志上的一项重要研究，这已成为现实。瑞典哥德堡大学的研究人员利用超过600万成年人的数据训练了一个人工智能，以前所未有的精确度预测谁有罹患这种令人担忧的皮肤癌的风险。

什么是黑色素瘤，为什么它如此危险？

黑色素瘤是最具侵袭性的皮肤癌。它起源于负责皮肤色素沉着的黑色素细胞，如果诊断延误，可以迅速扩散到其他器官。在法国，每年约有17,000例新发病例，这一数字在过去几十年中持续增加。

治愈的关键在于早期诊断。在早期阶段发现，绝大多数黑色素瘤病例是可以治疗的。但如果发现较晚，预后将大为黯淡。正是在这里，人工智能开始发挥作用，其检测能力已逐渐超越传统诊断工具。

基于600万份瑞典医疗记录训练的人工智能

这项瑞典研究因其规模之大而脱颖而出。研究人员不仅分析了痣的照片，还利用了整个瑞典成年人口的国家健康档案，涵盖超过600万人。考量的数据包括：

• 患者的年龄和性别
• 既往病史和过往诊断
• 曾处方的药物
• 社会人口学信息（居住地、社会经济状况）

目标是识别出多种因素的组合，即使没有皮肤科检查，也能预测未来数年内患黑色素瘤的高风险。

73%的准确率：一次重要的定量飞跃

研究中表现最佳的AI模型在识别实际会发展为黑色素瘤的人群时，达到了73%的准确率，而仅依赖年龄和性别的传统模型准确率仅为64%。这一提升在绝对值上看似不大，但在实践中意味着数千名患者能更精准地接受早期筛查。

更令人印象深刻的是：通过交叉比对所有可用数据，AI能够识别出极高风险的小群体，其在五年内发展为黑色素瘤的概率高达33%。换句话说，被这一风险组识别出的三分之一的人将在分析后五年内患上黑色素瘤——这对指导医疗随访具有重要价值。

这套AI系统具体如何运作？

该模型依托机器学习技术，尤其是梯度提升算法，在医学表格数据处理上表现尤为出色。与常见误解相反，该AI并非"查看"皮肤图像，而是分析行政和临床数据中的规律，寻找人眼无法发现的相关性。

例如，定期服用某类药物、结合特定病史和人口学数据，可能构成微弱但具有统计显著性的信号。正是这种检测医生无法手动整合的复合信号的能力，赋予了这些算法独特的优势。

走向个性化皮肤癌筛查？

如果这些结果在其他人群和医疗环境中得到验证，将为更个性化的预防医学开辟道路。具体而言，这可能意味着：

• 根据计算出的风险等级自动转诊至皮肤科医生
• 将医疗资源更好地分配给风险最高的患者
• 在皮肤科就诊等待时间较长的国家节省宝贵时间

在法国，皮肤科医生数量较少且多集中在大城市，这样的工具可以改变黑色素瘤的预防性随访方式。全科医生可以收到患者的自动风险报告，帮助他们决定优先将谁转诊至专科医生。

需要注意的局限性

尽管这项研究令人振奋，但仍需保持几分审慎。首先，该模型是基于特定的瑞典数据构建的，该人群具有独特的遗传和气候特征（肤色较浅、季节性日晒）。其结果不能直接推广到地中海或赤道地区的人群。

此外，73%的准确率也意味着27%的病例仍未被检出。AI并不能替代临床检查：它应被视为辅助决策的工具，而非万能的预言者。最后，医疗数据的隐私问题至关重要：利用国家健康档案（即便是匿名的）引发了重大伦理问题，需要健全的法规加以规范。

一场静默而深刻的变革

这项研究是将AI融入预防医学这一更广泛运动的一部分。除黑色素瘤外，类似算法已被用于预测糖尿病、心血管疾病甚至某些抑郁症的风险。未来的病历或许会包含多种疾病的"AI风险评分"，并随每次就诊不断更新。

这并非科幻：数据已经存在，模型已经运行，最先进的医疗体系已开始将其整合。现在的挑战是以合乎伦理、透明的方式推进，并始终将患者——而非算法——置于医疗决策的核心。

要点：一套瑞典AI通过分析数百万份医疗记录，以73%的准确率预测黑色素瘤风险。这是皮肤癌早期检测的有力工具，有待在更大范围内验证。