印度的新研究表明，机器学习(俗称人工智能)可以改善皮肤癌的早期检测。鉴于皮肤癌的发病率正在上升，这项发表在《国际纳米技术杂志》上的研究可能对早期干预、治疗和最终改善预后产生重大影响。

该研究建立在早期研究成果的基础上，并测试了机器学习算法，包括朴素贝叶斯、决策树和 K 最近邻 (KNN) 方法，以提高根据可疑病变和皮肤区域的图像诊断皮肤癌的准确性。研究人员发现决策树算法是最有效的，准确率达到 83%。这种准确性，加上肿瘤学家的专家评估，可以大大提高诊断率，并为患者提供更好的治疗结果。

然而，团队并没有就此止步。为了进一步提高准确性并简化检测过程，研究人员引入了深度学习方法，特别是卷积神经网络(CNN)。该模型将准确率提高到近 94%。这些结果基于对国际皮肤癌合作倡议 (ISCI) 数据集的检查。与早期方法相比，与深度学习模型配合使用的决策树算法不仅非常准确，而且算法训练和后续皮肤癌检测所需的时间更少。

该团队指出，仅经过 6 个训练周期，准确率就达到了近 94%。如果系统经过 73 个周期的训练，他们就能实现超过 99% 的准确率。这些结果强调了新方法相对于现有最先进的皮肤癌检测算法的优越性。