编辑推荐：
庆应义塾大学医学院、京都县医科大学和东京大学的一组研究人员与Atopiyo LLC合作，开发了一种新型人工智能（AI）模型，该模型可以使用患者上传的智能手机图像客观评估湿疹的严重程度。
庆应义塾大学医学院、京都县医科大学和东京大学的一组研究人员与Atopiyo LLC合作，开发了一种新型人工智能（AI）模型，该模型可以使用患者上传的智能手机图像客观评估湿疹的严重程度。他们的研究结果最近发表于过敏欧洲变态反应与临床免疫学学会的官方杂志。
特应性皮炎（AD）是一种常见的慢性皮肤病，反复发作，通常需要长期监测和治疗调整。近年来，智能手机应用程序和社交媒体平台使患者更容易跟踪自己的症状，了解自己的状况，并记录随时间的变化。然而，患者报告的症状，如瘙痒或睡眠不足，并不总是与可见的疾病严重程度一致。这一差距突显出需要更加标准化、客观的评估工具，并突显出数字生物标记物在填补这一角色方面日益增长的潜力。
为了解决这一问题，研究团队利用了日本最大的广告平台Atopiyo的数据，自2018年以来，该平台已有28000多名用户分享了57000多张症状照片和个人评论。本研究中开发的AI模型集成了三种关键算法：身体部位检测、湿疹病灶检测和使用三项严重程度（TIS）量表的严重程度评分，该量表评估红肿和抓痕。
使用880张图像的训练数据集和自报告的瘙痒评分，人工智能模型显示出较高的诊断准确性。在一项使用220张测试图像的验证研究中，基于AI的TIS（AI-TIS）与皮肤科医生评估的TIS评分有很强的相关性（R=0.73，P<0.001），与客观SCORAD评分有显著相关性（R=0.53，P=0.04）。
“许多湿疹患者努力评估自己的疾病严重程度。我们的人工智能模型允许仅使用智能手机进行客观、实时的跟踪，增强患者的能力，并可能改进疾病管理。"该研究的通讯作者Takeya Adachi博士说。
有趣的是，该研究还发现AI衍生的严重程度评分与自我报告的瘙痒评分只有微弱的相关性，突出了感知症状与可观察到的症状之间的差异炎症这支持了对数字生物标记物的日益增长的需求，可以提高皮肤病护理的准确性。
研究人员旨在通过整合更广泛的皮肤类型、年龄范围，以及整合SCORAD和EASI等评分系统的其他临床特征，来扩大该模型的实用性。这项工作为AI驱动的远程皮肤病解决方案铺平了道路，该解决方案在现实环境中支持患者和临床医生。
AI-Based Objective Severity Assessment of Atopic Dermatitis Using Patient Photos in a Real-World Setting: A Digital Biomarker Approach
