李友專、靳嚴博、王筱涵、林昱廷、侯則瑜

皮膚癌在台灣十大死因中排名第九名(根據衛生福利部2018年所發表的統計資料)。在皮膚癌中，以黑色素細胞瘤(Melanoma)最為致命，全球每年有約30萬人死於此病症，且在過去30年間黑色素細胞瘤的發生率持續上升。第四期黑色素細胞瘤的5年存活率只有15%，所以早期發現，早期治療對於改善預後至關重要。

研究指出有三成至五成的黑色素細胞瘤是由身上的痣轉變而來，雖然有廣泛被接受的ABCDE痣風險判斷原則(Asymmetry 對稱性；Border邊緣；Color 顏色；Diameter 直徑；Evolving 改變），提供民眾做為初步判斷依據，但對一般民眾而言，仍常會面對身上的痣是否需要就診皮膚科的糾結，手機上便利的痣風險判斷工具可以協助民眾做此決定並且提升自我識能。

結合皮膚醫學和人工智慧以促進人類健康福祉是目前研究上的一大熱點，其中，運用深度卷積類神經網路(Deep Convolutional Neural Network)單純判斷病灶影像的模型已經被廣泛研究。然而，目前的研究有兩大缺點，首先，現有模型多僅判斷病灶影像，但在臨床皮膚科醫師判斷流程中，通常會將皮膚病影像和病人病史結合起來評估，以完成最佳判斷。另外，現有模型大多是針對皮膚專科醫師作為診斷輔助工具，而非作為一般民眾可使用的篩檢工具。本研究團隊開發出來的新型深度卷積類神經網路框架，以皮膚病灶影像綜合病人病史作為鑑別參數，可以訓練出比單純使用影像或病史做判斷更高準確度的模型。

以此新穎深度卷積類神經網路框架為基礎，搭配由皮膚專科醫師評估後的資料，本團隊開發出符合民眾需求的病灶風險判斷工具 - 痣能達人。痣能達人在上線之後已經完成上萬次的風險判斷，其中被判斷風險較高的病人，部分於皮膚科專業院所進行皮膚鏡和切片檢查後，證實其痣已經出現黑色素細胞瘤的早期變化。這些案例明確地顯示痣能達人具有協助民眾達成黑色素細胞瘤早期偵測的潛力，同時具備未來商業化應用的可能性。