该项目诞生于IBM研究中心的多媒体分析小组。鉴于皮肤癌每年为会造成9000例死亡，80亿美元健保开销，IBM希望寻求一种自动分析方式，更好地检测这种疾病。

又是机器学习

这一项目以IBM在机器学习技术方面的研究成果为基础，这一研究能从图像中自动挑选出猫狗等对象。而同时，斯隆-凯特琳中心一直在建立皮肤病学数据库，以此展示皮肤损害的不同种类以及疾病的其他要素，最终研究人员会把它们与具体的临床特性联系起来。

两者结合后，IBM的认知系统会使用所得数据，学习黑素瘤的特征与模式，从而在图像中帮助医生识别疾病。与任何医生相比，IBM的技术不仅可以更快更熟练地分析大量图像，而且测量水平也更为精细，评估每张图片的时间不超过1秒。

研究小组还常与著名的Watson部门合作，这一部门以用计算机击败世界顶级智力问答选手而闻名，能处理健康、金融等大型计算问题。

IBM在超过3000例黑素瘤，及其他皮肤损害的受控测试中使用了这种技术，能以95%以上的精确度，从皮肤癌病例中识别良性与恶性。某些自动方式能达到90%，而人类取得的最高水平仅为84%。

虽然这项技术目前仍然还处于研究阶段，而且有可能失败，在被皮肤病医生广泛使用之前还需时日。但如果它最终能为医生所用，那皮肤癌患者会得到一位最有力的盟友。