本研究评估了“全数据扩展”（ADAE）算法在黑素瘤检测中的准确性，发现AI能够在复杂情况下支持皮肤科医生。研究使用BCN20000数据集训练算法，以解决多样化肤色和罕见病例的诊断问题，并提出了一种新模型，结合临床和显微镜图像，提高诊断支持能力。

通过与多个医院和摄像机配置的异质测试集上的比较，评估了“全数据扩展”算法在黑素瘤检测中的准确性和泛化能力。AI可能在复杂情况下支持皮肤科医生。

皮肤病变对黑素瘤监测很重要，丑小鸭痣是特征鲜明的痣。计算机辅助诊断结合机器学习和患者分析方法提高了诊断准确性，缓解了专业人员短缺问题。机器学习和深度学习技术在黑色素瘤和可疑痣检测中广泛应用，取得了与专家相当的结果。