近年来，有效管理特应性皮炎（AD）一直是医生的重要任务之一，因为这种疾病的症状（如瘙痒和皮肤炎症）严重影响了患者的生活质量。由于AD的诊断主要依赖临床表现，具有一定的主观性，导致其诊断存在差异。缺乏明确的生物标志物用于确诊和评估病情严重程度，进一步增加了诊断的复杂性。
在人工智能（AI）时代，多个领域的趋势表明AI的应用对各行各业产生了重大影响，尤其是在医疗保健领域。AI通过模拟人类智能，为医疗保健领域的挑战提供了创新解决方案，推动了诊断、药物发现和个性化医学的重大改进。AI在AD病例的诊断和识别中可以实现更准确、早期和标准化的识别，从而优化患者的治疗效果。AI图像识别技术可以确定皮肤病变图像中AD的特征模式，通过机器学习训练，AD的诊断准确性可以随着时间的推移显著提高（Jain等，2024）。AI处理患者数据集的能力有助于识别风险因素并预测AD的发生，从而更好地进行疾病监测和有效管理。通过将AI纳入诊断范式，可以实现更加个性化的治疗计划、持续监测和技术进步的应用。
此前的研究已经探讨了这些技术，包括针对可穿戴设备的研究。特别是，Lee等人研究了一种配备加速度计的手表，用于识别AD患者的抓挠倾向。与红外视频监控相比，该手表表现出显著的准确性，右手抓挠检测率为98.5%-99.0%，左手抓挠检测率为93.3%-97.6%（Lee等，2015；Ikoma等，2019）。这种持续监测可以帮助医生在疾病严重程度变化（如急性发作）时，及时调整治疗方案，已引起了Nestlé Skin Health和Apple Inc.的兴趣，两家公司合作通过智能手表应用程序提供这项发明，为AD患者提供客观的瘙痒严重程度间接测量方法。另一项由Maulana等人进行的研究也探讨了通过AI模型对AD严重程度的分类。具体而言，Maulana等人关注的是代表性不足的人群，并成功验证了他们的模型，在帮助皮肤科医生和全科医生更准确地分类AD严重程度方面显示出显著潜力，从而实现更好的诊断和患者护理，提供更具包容性的皮肤病诊断（Maulana等，2023）。
上述技术进一步展示了AI在AD诊断和管理中的多重影响，突显了其改善当前疾病诊断和管理的能力。AI专家、临床医生和研究人员之间的协作对于充分理解AI在改善AD管理方面的潜力至关重要。
(全文结束)
