皮膚癌是一種普遍存在的全球健康問題，其中黑色素瘤是最致命的亞型。黑色素瘤占所有皮膚癌死亡病例的80%，這凸顯了及早準確檢測的迫切需求。研究表明，診斷延誤可使五年生存率降低多達20%。

然而，傳統(tǒng)診斷方法，如廣泛使用的7點檢查表（7PCL），主要關注黑色素瘤。這種狹窄的范圍限制了它們在檢測其他類型皮膚癌（如基底細胞癌和鱗狀細胞癌）方面的有效性。

一項由安格利亞魯斯金大學、埃塞克斯大學、Check4Cancer和阿登布魯克醫(yī)院的研究人員領導的開創(chuàng)性研究引入了一種革命性方法；并基于人工智能框架不僅擴展了所有皮膚癌類型的檢測能力，而且在敏感性和特異性方面也大大優(yōu)于現(xiàn)有方法。這項創(chuàng)新有望重新定義皮膚癌的識別、管理和治療方式。

英國皮膚癌診斷遵循緊急轉診的兩周路徑系統(tǒng)，該流程優(yōu)先考慮在兩周內(nèi)對有可疑病變的患者進行專科評估。雖然理論上有效，但該系統(tǒng)在實踐中面臨重大挑戰(zhàn)。

為此，研究人員開始轉向人工智能，基于AI分析大量數(shù)據(jù)集和識別傳統(tǒng)方法忽略的模式，并根據(jù)臨床元數(shù)據(jù)以前所未有的準確度檢測可疑病變。這一新框架的核心是C4C風險因素，即一組七種臨床特征，可預測所有亞型的皮膚癌風險。這些因素包括病變特征，如大小、顏色、形狀和炎癥，以及患者特定屬性，如15歲時的自然發(fā)色和病變年齡；與僅關注黑色素瘤的傳統(tǒng)方法不同，C4C風險因素考慮了非色素性病變和其他形式的皮膚癌。