点击蓝字 关注“拓麦精要”
Prof. Alexander A. Navarini
◆ University Hospital Basel, Basel, Switzerland
Alexander Navarini教授是瑞士巴塞尔大学医院皮肤科主任，作为一名资深免疫学家，他的主要研究方向是炎症性皮肤病，确定炎症的遗传学原因，并研究生物医学问题和数字图像，以检测和量化皮肤状态。
关键信息
◆ 银屑病是一种慢性炎症性皮肤疾病，影响全球数百万人，严重影响患者的生活质量，目前迫切需要对其诊断、治疗和管理的优化
◆ 自动图像分析在银屑病中的主要应用包括检测和勾勒皮损边界、将银屑病皮损与其他皮肤病区分开来、客观计算受累面积和严重程度评分，以及在预测其应答的同时选择治疗方法
◆ 目前，有两种商业系统利用全身摄影技术（TBP）、自动图像分割和半自动银屑病面积和严重程度指数（PASI）计算来加强临床患者护理；未来，成功实施人工智能（AI）所面临的主要挑战包括：需要对模型进行验证和推广，将其高效地整合到临床工作流程中，以及建立标准化的成像协议
主要发现
一、基于图像的AI概述
◆ AI技术，特别是基于图像的机器学习（ML）算法，已经在银屑病的诊断、治疗和管理中展现出潜力
二、基于图像的AI在银屑病中的应用现状和潜力
◆ 皮损的图像分割：自动化图像分割算法，如PsLSNet，能够以高准确度检测和描绘银屑病皮损边界，这对于评估疾病严重性至关重要
◆ 诊断和亚型分类：基于深度学习的模型，如卷积神经网络（CNNs），能够通过分析临床摄影来区分银屑病和其他皮肤病，具有与皮肤科医生相当或更高的准确度
◆ 疾病范围和严重程度的评估：银屑病疾病范围和严重程度的自动评估有可能显著减少医生的工作量，同时确保高度的标准化和可重复性，如：使用CNN的自动化PASI评分系统能够模拟皮肤科医生评估银屑病严重程度，表现出与人类评估者相似的性能等
◆ 商业化系统的实际应用：TBP的使用有助于在常规实践中自动计算银屑病严重程度；目前有两种商业化系统，它们使用了标准化的照片记录、自动分割和随后的半自动计算机辅助PASI计算，对患者进行评估和随访
◆ 治疗选择和应答预测：现已开发了几种AI应用程序，试图识别潜在的生物标志物，并预测个体对生物制剂的短期和长期应答；此外，由于AI有能力分析患者记录、临床照片和分子特征等广泛数据集，因此，随着新模式的不断发现，个性化治疗方案在不久的将来或成为可能
三、临床应用的挑战
◆ 尽管AI展现出巨大潜力，但在实际临床应用中仍面临挑战，如：ML算法是否达到一定的灵敏度和特异性水平、是否使用了合适的输入数据训练模型、基于图像的AI算法在真实世界的实用性和准确性，以及患者和医生对新技术的接受程度
临床意义
◆ 本文强调了AI在银屑病管理中的突破性潜力，突出了AI的进展和需要克服的障碍；随着技术的不断发展，AI有望显著提高银屑病治疗的准确性、有效性和个性化程度
▼ “银屑病治疗和诊断研究新进展”专题 ▼
1
END
1
执行编辑：Tong
供稿：Anna
校对：Jeanne
排版：Vanessa
声明：
编辑部对刊载内容进行仔细审阅以尽力保持其准确性，但对稿件的使用或其中的任何错误、遗漏或不准确之处等均不承担任何责任。文中所表达的任何观点不代表编辑部的观点，文中提及或排除任何方法或药物并不构成对其使用的提倡、建议或拒绝，因此在为本文中提及的任何产品开处方前，请查阅生产商的最新处方信息。内容仅限医疗卫生专业人士学习交流使用，非医疗卫生专业人士请主动退出浏览与阅读，否则由此产生的相关风险与后果应自行承担。
肖像经Alexander A. Navarini教授许可后使用。在未获得正式授权前，所有转载及使用文中内容均为侵权。
原文来自：Goessinger EV, Gottfrois P, Mueller AM, Cerminara SE, Navarini AA. Image-Based Artificial Intelligence in Psoriasis Assessment: The Beginning of a New Diagnostic Era?. Am J Clin Dermatol. 2024;25(6):861-872. doi:10.1007/s40257-024-00883-y (© Author(s) (or their employer(s)) 2024. This is an open-access article distributed under the terms of the CC BY-NC), 作者未参与本精要的编写。
#Psoriasis∶银屑病
#AI∶Artificial Intelligence，人工智能
点击查看原文链接
