文献讨论:面向皮肤癌分诊的临床集成人工智能工具

Towards a clinically integrated artificial intelligence tool for triage of skin cancer

面向皮肤癌分诊的临床集成人工智能工具

— · —

期刊：npj Digital Medicine

DOI：10.1038/s41746-026-02851-8

发表日期：2026 年（在线发表，Article in Press）

收稿日期：2025 年 12 月 8 日

接收日期：2026 年 5 月 26 日

作者：Andre G. C. Pacheco, Eduarda P. Magesk, Leonardo F. Moreira 等

机构：圣埃斯皮里图联邦大学（UFES）、圣埃斯皮里图州卫生局，巴西

原文链接：https://doi.org/10.1038/s41746-026-02851-8

一、研究背景与意义

皮肤癌（包括黑色素瘤和非黑色素瘤）是全球最常见的恶性肿瘤之一，已成为日益严峻的公共健康问题。根据国际癌症研究机构（IARC）的预测，到 2040 年全球黑色素瘤新发病例将超过 51 万例，相关死亡近 10 万例。在不同地区中，澳大利亚和新西兰的皮肤癌总体发病率最高，而欧洲则在黑色素瘤的发病率和死亡率上位居首位；美国的黑色素瘤发病率在过去三十年里持续攀升，1982 至 2011 年间几乎翻了一番。早发现仍是降低皮肤癌死亡率最有效的策略，但诊断准确率高度依赖医师经验与专业设备。经过严格训练的专科皮肤科医生通常具有较高的诊断准确率，而经验较少的全科医生则难以准确区分良恶性病变。

在新兴国家，资源短缺使早期诊断更加困难。以巴西为例，皮肤癌约占全部癌症病例的 31.2%，全国约 1.2 万名皮肤科医生却需要服务超过 2.1 亿人口，且绝大多数专科医生集中在城市地区，使得农村及边远地区的居民难以获得专业的诊疗服务，而这些地区由于日晒更强，皮肤癌发病率往往更高。在这种背景下，全科医生与基层卫生工作者常常是皮肤癌疑似患者的首诊接触点，但其有限的皮肤病学培训容易导致漏诊、误诊以及不必要的转诊，最终增加患者负担和公共医疗系统的支出。因此，亟需一种可及性高、能在资源有限环境下辅助基层医务工作者进行皮肤病灶早期评估的工具。近年来，基于人工智能（特别是图像识别）的辅助决策技术在这方面展现出巨大潜力，有望在偏远地区改善皮肤病灶分诊的准确性和效率，提升患者的预后。

尽管皮肤癌检测的 AI 算法已取得长足进展，并有多项工作报道了较高的诊断准确率，但其临床验证仍是阻碍其广泛落地的关键瓶颈。Jones 等系统综述发现，在 14,224 项皮肤癌 AI 研究中，仅有两项使用了真实临床场景下的数据进行验证。真实临床环境中的光照、拍摄角度、设备、皮肤类型差异以及病灶的多样性，往往使受控数据集中表现优异的模型在落地时出现性能下降。因此，开展基于真实临床场景的前瞻性临床验证，是推动 AI 工具在医疗体系中真正发挥价值的必经环节。

二、研究目的

本研究由圣埃斯皮里图联邦大学皮肤科与外科援助计划（PAD-UFES）团队主导，提出并临床验证一款基于 AI 的皮肤病灶分诊工具。该工具以用户友好的移动应用为载体，帮助基层医务工作者对皮肤病灶进行图像采集和即时 AI 分诊建议。研究的主要目标包括：在真实临床场景下评估 AI 模型识别恶性病灶的诊断性能（准确率、敏感性、特异性）；评估移动应用在全科医生中的可用性与接受度；检验 AI 辅助对临床决策的影响，包括敏感性、转诊优先级以及医疗效率的提升。本研究的主要贡献可归纳为以下几点：（1）提出一种面向基层医疗场景的皮肤病灶 AI 分诊方法；（2）在包含多个临床点及边远地区的真实环境下开展前瞻性临床验证；（3）同时评估模型的独立性能及其对临床决策的影响，证明 AI 辅助能够提高敏感性并改善分诊；（4）展示 AI 辅助在转诊优先级与医疗效率方面的优化作用，包括减少不必要的专科会诊；（5）评估可用性与用户接受度，并讨论真实部署中的关键限制与考量。

三、研究方法

3.1 皮肤病变分诊协议

皮肤病变分诊是指基于病灶的潜在恶性程度对其进行排序和优先级划分的过程，其目的是识别需要更高级别医疗关注的病灶，并与可监测或延迟处理的良性病灶区分开来。在巴西，全科医生和社区健康工作者是公共医疗体系中的重要分诊节点，尤其在皮肤科医生稀缺的边远地区，他们承担着皮肤病灶的初步评估和向专科转诊的工作。由于皮肤病学培训有限、缺乏皮肤镜等高级辅助工具，分诊准确性差异显著，因此开发能辅助这些医务工作者的工具对提升基层皮肤癌早筛水平具有重要意义。通常的皮肤科计算机辅助诊断（CAD）系统旨在识别具体的病变类型（如黑色素瘤或非黑色素瘤皮肤癌），但在真实临床场景中，基层医务工作者更需要的是基于整体风险水平的决策依据，而非具体诊断。基于这一考虑，PAD-UFES 的皮肤科专家设计了一套分诊协议，将病灶按照恶性潜力和医疗紧迫性划分为五个优先级（Priority Level, P）：P1 包含高度疑似恶性、需要立即医疗干预的病灶；P5 则代表正常皮肤或无需紧急处理的简单病变（如痤疮）；P2、P3、P4 表示逐级降低的风险等级，在临床实践中体现为转诊紧迫性的相对差异，而非严格的时间窗口。各优先级具体对应的诊断假设和临床处置方式详见表 1，该协议覆盖了 PAD-UFES 临床实践中超过 90% 的皮肤病变类型，并作为后续 AI 模型开发和验证的基础。该协议强调按风险顺序进行动态排程，P1 病例优先安排就诊，随后是 P2，依此类推，以确保高风险患者获得最早期的医疗干预，同时兼顾不同公共卫生项目的资源约束。

图4（原文Fig. 4）扩展版 PAD-UFES-20 数据集中各类皮肤病变示例：（a）P1、（b）P2、（c）P3、（d）P4、（e）P5。

图5（原文Fig. 5）皮肤病变分诊移动应用界面截图：应用设计注重用户体验与直观性，便于医务人员快速采集病灶图像并获得 AI 分诊建议。所有界面在临床验证中使用的均为巴西葡萄牙语版本，本图为英译版。

为更直观地说明各优先级病灶的形态学差异，本研究在图 4 中展示了每个优先级对应的代表性图像。P1 病灶通常呈现典型黑色素瘤特征（颜色不均、边缘不规则），P2 则多为基底细胞癌、鳞状细胞癌等非黑色素瘤皮肤肿瘤；P3 涵盖光化性角化病、皮炎等可在门诊接受相对简单处理的病变；P4 对应脂溢性角化病、色素沉着障碍等低风险病变；P5 则是正常皮肤或痤疮等无需转诊的情况。图 5 进一步展示了所开发的移动应用界面，包括登录页、首页统计、优先级预测页以及最终分诊结果展示，整体设计简洁直观，并支持离线运行与本地推理。

3.2 数据集：PAD-UFES-20+

本研究采用 PAD-UFES-20+ 数据集，这是 PAD-UFES-20 数据集的扩展版本，共包含 13,569 张临床皮肤病灶图像，来源于 2018 至 2024 年间前往 PAD-UFES 就诊的 4,067 名患者。患者平均年龄为 60.3 ± 16.4 岁，其中女性占 57.1%，男性占 43.9%；Fitzpatrick 皮肤类型 I 至 III 型占 94.2%，IV 至 VI 型占 5.98%，整体反映了 PAD-UFES 服务人群的人口学特征。图像均使用智能手机和平板电脑在真实临床条件下采集，覆盖良性及恶性病变，并根据前述五个优先级进行了标注，其样本分布如表 2 所示。本数据集的另一重要特征在于图像采集条件贴近移动应用实际部署场景，为模型在真实环境中的泛化提供了基础。

3.3 人工智能模型架构与训练

本研究采用的 AI 模型基于卷积神经网络（CNN）架构，在权衡性能和计算效率后选择了 MobileNet-V3 作为骨干网络。MobileNet-V3 提供了在资源受限设备上运行的良好折中方案，其轻量化结构（约 8 MB）非常适合部署到移动端。模型使用 PyTorch 实现，并采用 ImageNet 预训练权重进行初始化，将最终的 fully connected 层替换为 5 个输出神经元，对应五个优先级。训练时使用 Adam 优化器，学习率为 0.0001，指数衰减率 β₁ = 0.9、β₂ = 0.999，共训练 100 个 epoch；当连续 10 个 epoch 验证性能无提升时，学习率按 0.1 倍数衰减，若连续 15 个 epoch 无提升则触发早停。

为了缓解类别不平衡问题，采用了与各类样本频次成反比的加权交叉熵损失函数。所有输入图像统一缩放至 224×224 像素，并使用标准数据增强策略，包括水平/垂直翻转、亮度/对比度/饱和度调节、图像缩放和随机噪声注入。为防止数据泄漏，采用了按患者分组的分层 5 折交叉验证（stratified group K-fold），在每个 fold 中按标签频率进行分层的同时以患者为单位分组。最终用于临床验证的模型则在全部 PAD-UFES-20+ 数据上以相同超参数重新训练，并被转换为 ONNX 格式集成至移动应用。整个模型在移动端本地推理，患者数据无需上传至云端，满足隐私与离线使用的双重需求。应用界面设计简洁直观，支持账号登录、相机拍摄或相册上传，并向用户展示 AI 分诊建议及后续临床管理提示。

3.4 移动应用与临床验证协议

临床验证在 PAD-UFES 真实工作流中开展，分为两个阶段。第一阶段面向 74 名来自圣埃斯皮里图州 8 个城市的志愿者，其中包括全科医生、护士和社区健康工作者。每位志愿者首先接受移动应用的简短培训并填写皮肤病学经验问卷，然后依次对前来 PAD-UFES 援助门诊就诊的患者进行皮肤病灶评估。具体流程为：志愿者首先基于临床判断独立给出初次分诊决策（不使用 AI），接着通过移动应用拍摄病灶图像并获得 AI 分诊建议，在参考 AI 建议后做出最终分诊决策（可采纳或否决 AI 推荐）；随后由经验丰富的 PAD-UFES 皮肤科医生给出参考诊断和优先级；该皮肤科医生对志愿者的初/终决策及 AI 推荐均保持盲法。最后志愿者私下填写关于应用体验和临床实用性的可用性问卷，问题涵盖对工具的整体看法、辅助决策的有用性、情感体验以及是否愿意将其纳入日常实践等。数据收集时间为 2024 年 6 月至 2025 年 9 月，共纳入 74 名志愿者对 80 名患者的 87 处病灶的评估结果。

第二阶段聚焦于该工具在 PAD-UFES 主要目标用户——偏远地区社区健康工作者中的真实落地效果。研究选择了圣埃斯皮里图州山区的圣玛丽亚-迪耶蒂巴市（Santa Maria de Jetibá）作为现场，该市以白肤色的日耳曼裔农业人口为主，皮肤癌发病率高，PAD-UFES 团队每三周到此进行一次集中分诊。本研究招募了 57 名社区健康工作者（平均年龄 43.7 ± 8.54 岁，女性占 96.4%），比较了 2024 年 3 月（未使用 AI 工具）和 2024 年 12 月（使用 AI 工具）两个时期的转诊数据，比较指标包括转诊至皮肤科医生的预约数、随后进行的可疑恶性病灶手术数以及分诊有效性（手术数与预约数之比，反映转诊的精准程度）。在第二阶段，参与者同样完成了与第一阶段相同的可用性问卷，并被邀请撰写开放式反馈意见，以深入了解真实使用情境中的体验。

四、研究结果

4.1 内部验证结果

在 PAD-UFES-20+ 数据集上进行的 5 折交叉验证显示，AI 模型在所有优先级上表现稳定，平均敏感性为 0.790 ± 0.014，特异性为 0.947 ± 0.002，AUC 为 0.949 ± 0.006（见表 1）。模型在识别阴性病例（即高特异性）方面比识别阳性病例更为稳健。图 1 展示了 5 折平均后的混淆矩阵与 ROC 曲线：混淆矩阵显示模型能够较好地区分各个优先级，主要误分类发生在相邻优先级之间（例如 P2 被误判为 P3）；ROC 曲线则显示所有优先级类别的 AUC 值均在 0.93 以上，其中 P5 的 AUC 高达 1.00，P1 为 0.97。总体而言，模型的内部验证结果与文献中已有的皮肤病变分类结果相当，展示了其在临床应用中的潜力。

表 1（原文 Table 1）AI 模型在 PAD-UFES-20+ 数据集上 5 折交叉验证的逐折与汇总性能。

图1（原文Fig. 1）AI 模型在 PAD-UFES-20+ 数据集上的 5 折交叉验证结果：（a）混淆矩阵；（b）ROC 曲线。模型在不同优先级上均展现出稳定的判别能力。

4.2 临床验证第一阶段

在第一阶段共评估了来自 80 名患者的 87 处皮肤病变。病灶按优先级的分布如表 2 所示，整体样本分布不均衡，P2 和 P3 居多，这与 PAD-UFES 临床实践中皮肤病变的流行病学特征一致。以皮肤科专家诊断为参考标准，比较了三种方法的表现：AI 工具独立使用、志愿者无 AI 辅助、志愿者在 AI 辅助下进行决策（结果汇总于表 3 与表 4）。AI 工具单独使用时的敏感性为 0.815、特异性为 0.931；志愿者无 AI 辅助时敏感性为 0.648、特异性为 0.906；在 AI 辅助下志愿者的敏感性提升至 0.804、特异性为 0.924，显示出 AI 辅助对决策过程的显著正面影响。此外，AI 模型在临床环境中的表现与其在 PAD-UFES-20+ 上的内部验证结果接近，说明模型在真实临床图像上具备良好的泛化能力。

表 2（原文 Table 2）第一阶段评估患者中皮肤病灶按优先级的分布。

表 3（原文 Table 3）AI 工具与基层医务工作者在皮肤病灶分诊中的性能比较。

表 4（原文 Table 4）三种方法正确/错误分类的样本数及两两比较的卡方检验结果。

图2（原文Fig. 2）第一阶段分诊混淆矩阵：（a）AI 工具独立使用；（b）志愿者无 AI 辅助；（c）志愿者在 AI 辅助下。可见 AI 辅助显著降低了 P3、P4 之间的误判率。

进一步的卡方检验显示（表 4），AI 工具与无 AI 辅助志愿者之间存在显著差异（p = 0.033, χ² = 4.537），即 AI 工具的独立表现优于志愿者无辅助时的判断；而 AI 工具与志愿者在 AI 辅助下的表现之间无显著差异（p = 0.725, χ² = 0.123），说明 AI 辅助使志愿者的整体水平接近 AI 工具的独立表现；此外，有/无 AI 辅助的志愿者之间差异未达统计学显著性（p = 0.106, χ² = 2.609）。从混淆矩阵（图 2）来看，AI 工具在所有优先级上表现更稳定，而志愿者在无辅助时更倾向于将 P3、P4 病灶误判，AI 辅助显著减少了这些相邻优先级之间的误分类。但需指出，对于最高优先级 P1，三种方法的性能基本相同，提示该工具对高风险病例的判别仍有进一步提升空间。

4.3 临床验证第二阶段

第二阶段评估了 AI 工具对社区健康工作者分诊流程的影响。在未使用 AI 工具的 2024 年 3 月期间，社区健康工作者共安排了 280 次皮肤科预约，最终产生了 164 例可疑恶性病灶手术；在引入 AI 工具的 2024 年 12 月期间，预约数下降至 214 次（减少 30%），而手术数仍为 162 例，反映分诊有效性（即手术数 / 预约数）从 58.57% 提升至 75.70%，提高了约 17 个百分点（表 5）。这一结果表明，AI 工具帮助社区健康工作者做出更精准的转诊决策，减少了不必要的预约，同时让皮肤科医生能够将精力集中在真正高风险的病例上。这一改善发生在互联网接入有限的真实场景中——超过 55% 的使用者在评估过程中完全处于离线状态，进一步印证了离线运行方案在边远地区部署的实用价值。

表 5（原文 Table 5）第二阶段中社区健康工作者在有/无 AI 辅助下安排的皮肤科预约数、手术数及分诊有效性。

4.4 参与者反馈

在两个阶段结束后，研究团队收集了参与者关于移动应用的整体评价、辅助决策的有用性、情感体验以及是否愿意在临床实践中使用的反馈（表 6、表 7）。总体反馈偏积极：第一阶段中 57.1% 的志愿者对工具评价"非常积极"，41.8% 评价"积极"；第二阶段中"非常积极"降至 33.3%，但"积极"仍占 33.3%，并出现 25.9% 的"中立"和 7.4% 的"消极"反馈。在辅助决策有用性方面，第一阶段高达 93.4% 的志愿者认为该工具对决策有帮助，第二阶段降至 74.1%，但仍保持较高水平。对"是否愿意将其纳入临床实践"这一问题，第一阶段高达 98.8% 持肯定态度，第二阶段为 85.2%，整体接受度较高。

图3（原文Fig. 3）参与者使用 AI 工具时的情感反馈：（a）第一阶段；（b）第二阶段。两阶段中最常见的情感均为"安全感"与"确认感"，但第二阶段中"怀疑"与"不确定"比例有所上升。

表 6（原文 Table 6）两阶段临床验证中参与者对皮肤病变分诊 AI 工具的整体评价。

表 7（原文 Table 7）参与者对 AI 工具辅助决策的感知有用性以及是否愿意纳入临床实践。

图 3 展示了两个阶段中参与者使用 AI 工具时所感受到的情感分布。第一阶段中 45.1% 的参与者感到"安全"，20.7% 感到"被确认、舒适"，仅 1.2% 感到"不舒服"；第二阶段中"被确认"（37.0%）成为最主要的情感，"安全"占 29.6%。但第二阶段中负面情感有所增加，11.1% 报告"怀疑"，7.4% 报告"不确定"，可能与该阶段面向社区健康工作者（其中部分人皮肤病学经验较少）、以及真实病患数据相对受控病例更具挑战性等因素有关。此外，研究还收集了两段具有代表性的开放式反馈：有参与者反映，AI 工具的存在提升了患者对转诊建议的接受度，使其更愿意前往皮肤科就诊；也有参与者指出在两个既往诊断为痣的病例中，AI 工具仍提示了黑色素瘤可能，因而对其准确性提出疑虑。对此，作者认为假阳性是 AI 诊断工具的固有挑战，工具被设计为对黑素细胞痣优先考虑敏感性以避免漏诊恶性转化，且病灶随时间亦可能发生变化；更重要的是，需要持续对使用者进行培训，使其了解工具的能力边界并保持批判性判断。

五、讨论与局限性

上述结果共同表明，所提出的 AI 皮肤病变分诊工具能够在真实临床环境下提升基层医务工作者的诊断表现。通过将 AI 系统嵌入离线可用的移动应用，该工具在巴西农村等资源受限地区展示了改善皮肤病灶评估准确性的现实可行性。AI 模型内部验证的敏感性（0.790 ± 0.014）和特异性（0.947 ± 0.002），以及 0.949 ± 0.006 的 AUC 表明，其能够区分所收集图像中的不同病灶优先级。在临床验证中，AI 模型的表现（敏感性 0.815、特异性 0.931）与内部测试高度吻合，说明模型在所评估的初级保健工作流中保持了稳定效能，回应了 AI 医疗模型从受控环境迁移至真实场景时常见的性能下降担忧。这一结果支持了模型设计、数据集代表性以及场景感知分诊协议在实现稳定临床部署方面的重要性。

第一阶段结果显示，基层医务工作者在 AI 辅助下诊断表现显著改善：敏感性从 0.648 提升至 0.804，特异性从 0.906 提升至 0.924。从混淆矩阵（图 2）可以看出，AI 辅助主要降低了 P3、P4、P5 之间的误分类。从严格的临床角度看，正确识别极端优先级——尤其是需要紧急处理的 P1 和无需紧急关注的 P5——是对患者安全最关键的任务；然而，对 P3、P4 等中间优先级的准确判别同样重要，因为 P3 病灶通常需要冷冻治疗等专门处理，过度或不足估计 P3 病例会造成不切实际的排程需求，使援助项目陷入瓶颈并减少可用的临床预约。另一方面，对于 P2，AI 工具表现出更稳定的结果，而无 AI 辅助的志愿者难以准确分类这些病例。这些发现表明，尽管 AI 工具能够改善整体分诊表现，未来仍需研究如何最佳地将 AI 建议呈现给用户，尤其在高优先级病例的判别中，误分类可能带来严重的临床后果。表 4 的统计分析显示 AI 工具与无辅助志愿者之间存在显著差异，而 AI 工具与 AI 辅助下的志愿者之间无显著差异，需要在人类判断与 AI 建议之间寻求平衡，以最大化效益并最小化潜在弊端。本文的发现与既往强调 AI 应增强而非替代医疗决策的研究结论一致。

在第二阶段，社区健康工作者在真实环境下的部署带来了分诊有效性约 17% 的提升（从 58.57% 提升至 75.70%），同时皮肤科预约总数减少了 30%。这表明 AI 工具不仅改善了个体决策，也提升了整体医疗工作流的效率。皮肤科医生接收到更高比例的高风险病例，使有限的专科资源能够发挥最大的影响——这是全球公共卫生体系共同面对的一项关键挑战。更值得注意的是，这一改善发生在互联网接入受限的场景中，超过一半的用户完全离线工作，进一步彰显了离线方案在偏远地区部署的实用性。参与者反馈整体偏积极：第一阶段超过 90%、第二阶段 85% 的参与者认为该工具应纳入临床实践，"安全感"与"被确认感"是最常被提及的情感，表明 AI 工具在分诊过程中为使用者提供了信心与支持。有趣的是，开放式反馈揭示了一项意料之外的次级收益：AI 工具的存在似乎增加了社区健康工作者所作转诊建议在患者心中的可信度，这一心理与社会层面的效应值得未来进一步研究。然而，部分参与者也对准确性提出了顾虑，主要涉及假阳性问题，凸显了对使用者进行持续培训、让其理解 AI 工具能力边界并设定合理期望的重要性。

第二阶段正面评价比例的小幅下降以及中立/消极反馈的轻微上升，可能反映了多因素的综合作用：在真实农村场景使用工具的挑战；分诊真实患者相较于受控病例的固有难度；以及用户随时间逐步适应工具的过程。这些观察表明，尽管初期对 AI 工具的热情较高，持续的采纳仍需要应对实际使用中的挑战、持续培训、定期反馈循环以及对 AI 系统局限性的透明沟通。尽管本研究为该工具的真实世界应用价值提供了重要证据，但仍存在一些局限。首先，AI 模型的训练与验证数据均来自巴西单一州内的多个城市，反映了 PAD-UFES 服务人群的人口学与流行病学特征；因此，相关性能应在该特定部署情境下解读，可能无法直接推广至不同人群、健康体系或疾病分布的地区。此外，数据集未涵盖所有皮肤类型（如 Fitzpatrick IV–VI 型仅占约 6%），未来应开展多中心研究以纳入更广泛的人群与临床多样性，确保公平性与可推广性。其次，模型被设计为面向初级保健的风险分诊而非诊断分类，尽管这契合资源受限场景下的实际决策需求，但对 P3、P4 等中间类别的误分类对系统级效率有影响，且由于协议聚焦于恶性病灶的早筛，数据集未能完全代表严重炎症性皮肤病；虽然常见的炎症性疾病（如皮炎）已被纳入，但其他炎症性疾病通常被归为中间类别，这与该临床项目以恶性为中心的分诊协议相一致，但可能无法完全反映某些病变的真实临床紧迫性。该局限在一定程度上通过参与者在项目前接受的临床培训得到缓解，但第一阶段相对较小的样本量（n = 87）限制了统计效能，尤其对于 P1 等罕见但关键的类别。

第三，系统依赖于深度学习架构，其内在的可解释性有限。正如前文所述，该系统的"黑箱"特性对实际应用的影响被"人在回路"的设计以及聚焦于风险分诊而非诊断的定位所削弱。尽管这种临床定位合理地优先考虑了运行效率，但缺乏显式的可解释机制仍是其架构层面的固有局限。未来工作可探索引入可解释性技术以增强透明度与用户信任，尤其在更复杂的诊断情境中。最后，在第二阶段中，皮肤病灶发病率的季节性变化、人力可用性的变化等外部因素也可能对结果产生影响。虽然由于两个评估期相隔较短，这类效应可能有限，但未来研究应纳入对照组或更长的观察窗口，以更好地隔离 AI 辅助带来的影响。

六、总结与展望

本文报告了一项面向皮肤癌分诊的临床集成 AI 工具的开发与验证工作。该工具基于在 PAD-UFES-20+ 数据集（13,569 张临床图像）上微调的 MobileNet-V3 模型，通过用户友好的移动应用向基层医务工作者提供实时分诊建议，并具备本地推理和离线运行能力。在内部验证中，模型实现了 0.79 的敏感性、0.95 的特异性和 0.95 的 AUC；在覆盖 9 个城市、131 名医务人员的两阶段临床验证中，AI 辅助显著提升了基层医务工作者的敏感性（从 0.648 提升至 0.804）、转诊精准度（有效性提升 17 个百分点），并将不必要的皮肤科预约减少了 30%。参与者反馈整体积极，工具被认为有助于增强安全感与决策信心，并被广泛认可为应纳入临床实践。与此同时，研究也报告了若干挑战，包括对高优先级病灶判别的有限改进、假阳性带来的认知负担以及随时间推移接受度的小幅下降，凸显了持续培训、用户教育与迭代改进的重要性。未来的研究方向包括在更具多样性的人群与卫生体系中开展多中心验证、引入可解释性机制以提升透明度、将工具与电子病历或远程会诊系统集成，以及探索其在皮肤病灶以外的其他基层医疗影像场景中的可迁移性，从而为基层医疗的 AI 辅助决策提供更广泛的循证基础。

七、可改进点与延伸思考

尽管本研究在 AI 皮肤癌分诊的临床落地方面取得了令人鼓舞的成果，仍有若干值得改进与延伸的方向。从方法层面来看，模型采用的 MobileNet-V3 兼顾了效率与性能，但未来可考虑引入近年来在医学影像中表现优异的多模态架构——例如同时利用患者元数据（年龄、性别、皮肤病史等）与皮肤图像的 Transformer 模型，已有研究（如该团队的 Metablock-SE 和 Lawterm）证明多模态融合在皮肤癌分类中可带来额外增益；此外，Vision Transformer 在数据量充足时往往能取得更稳健的判别能力，值得在本数据集上进行系统比较。由于当前数据集存在明显的类别不平衡，除加权损失外，还可探索 focal loss、对抗重采样或合成数据生成（如扩散模型）等策略，以进一步改善对罕见但关键的 P1 病灶的敏感性。在评估指标方面，除 AUC 与敏感性/特异性外，引入按优先级加权的临床效用指标（如 expected utility）或将漏诊 P1 的代价纳入决策分析，会更贴合真实临床场景对工具的核心诉求。

从实验层面来看，本研究缺乏与同类先进方法的横向比较，也未对模型预测的视觉依据进行系统性的可解释性分析。未来研究应在同一数据集上系统比较 ResNet、EfficientNet、ViT 等多种架构，并引入 Grad-CAM、注意力可视化等可解释性方法，为医生提供"为什么这样判断"的证据，从而在诊断性更强的工作流中建立信任。此外，当前研究主要在圣埃斯皮里图州开展，未来应在不同 Fitzpatrick 皮肤类型、不同医疗体系（如非洲、亚洲的低资源地区）以及不同采集设备下进行多中心验证，以更全面地评估泛化性能与公平性。从泛化性角度看，可将该方法迁移至其他基层影像场景（如糖尿病视网膜病变、皮肤感染、伤口评估等），探索其在医疗影像领域的通用部署框架。

在临床转化层面，本研究虽然展示了离线运行的可用性，但仍需考虑数据安全、监管审批（如医疗器械软件认证）、与现有医院信息系统（EMR、PACS）的对接以及法律责任界定等问题。工具的部署也应配套完整的用户培训课程、定期反馈机制以及持续的性能监测流程，以应对模型随时间可能出现的数据漂移和性能衰减。从写作层面来看，研究在介绍贡献时已较为清晰，但在限制性的呈现上可进一步量化（如第一阶段样本量对 P1 统计效能的影响），并在图示上提供更详细的注解，以便读者快速理解各优先级对应的临床处置路径。总的来说，本文是 AI 辅助基层医疗影像决策从算法走向真实落地的代表性工作，其经验与方法对其他类似领域具有借鉴意义。