日本研究人员开发了一种基于用户上传照片的人工智能（AI）工具，用于客观评估特应性皮炎（AD）的严重程度。这项研究发表在《过敏》杂志上，标志着人工智能在慢性炎症性皮肤病应用中的重大进展。
为了开发这个AI模型，研究人员训练并整合了三个算法：身体部位检测、皮肤病变检测和严重程度评估。后者基于三项目严重程度（TIS）评分，这是一种局部严重程度评估方法，评分为0-9，评估红斑、水肿或丘疹以及抓痕。
训练依赖于Atopiyo提供的大量数据库，这是最大的在线AD平台，允许超过28,000名用户分享57,000多张照片和关于他们症状的评论，提供了丰富的数据集。
AI模型使用880张图像进行训练，并使用220张图像进行测试。总共包括9,656张带有瘙痒评分的图像（不包括不清楚的图像），用于建立和验证AI-TIS，患者年龄从2岁到71岁（中位年龄33岁）。经过训练的AI模型正确检测了98%的身体部位和100%的湿疹区域。
接下来，研究人员将AI输出结果与已建立的临床评分系统进行了比较，包括特应性皮炎评分（SCORAD），其中包括客观指标（如渗出/结痂、苔藓化和干燥）和湿疹范围，以及主观指标（如瘙痒和睡眠丧失）。
结果显示，AI-TIS与8,556张图像中的602名患者的瘙痒评分（Itch-NRS-5）的相关性较低。
一个由15名参与者组成的子组接受了皮肤科医生的面对面评估，并根据TIS、SCORAD和客观SCORAD评分进行了评分。这些临床评分与AI结果之间的皮尔逊相关系数为0.73，表明相关性很强。
这项研究表明，AI-TIS可以从智能手机上传的照片中成功识别身体部位、湿疹受影响区域和TIS评分。AI-TIS与客观指标（包括TIS和客观SCORAD评分）之间的强相关性支持其在评估客观结果和患者感知方面的临床实用性。
由于AD严重程度评估仍然涉及相当大的主观性，该AI工具因其能够从家庭照片中量化客观疾病迹象而脱颖而出。这种方法提高了临床评估的精确度，并可能增强日常患者监测。
相比之下，AI-TIS与Itch-NRS-5之间较弱的相关性表明，AD中的瘙痒并不总是与湿疹严重程度相对应。
因此，数字评估可能是一种补充主观报告的方法，为AD管理带来更多的客观性。
该研究中开发的AI模型有潜力帮助AD患者客观评估他们的皮肤状况，并促进及时和适当的治疗。这项研究为未来AI驱动的皮肤病学评估奠定了基础，从而提高患者护理和临床研究水平。
尽管取得了这些进展，该模型仍存在局限性；需要扩展以覆盖更广泛的年龄范围和不同的皮肤类型，并纳入其他公认临床量表的元素，如湿疹面积和严重程度指数。尽管如此，这仍然是皮肤病学和AD护理的重要一步。
(全文结束)
