一项新的研究揭示了一种开创性的人工智能模型，该模型可能重新定义临床环境中皮肤病的诊断和管理方式。与传统的专注于单一任务（如从单个图像类型中识别皮肤癌）的人工智能工具不同，这种先进模型旨在通过同时分析多种图像类型和临床数据来支持全面的皮肤病护理。
该模型使用了来自11个国家机构收集的超过两百万张皮肤病图像进行开发，整合了四种关键类型的图像：全身照片、标准临床照片、皮肤镜特写和皮肤病理切片。这使得它能够支持从初步筛查和风险评估到数百种皮肤病的深入诊断和预后等一系列任务。
这个新系统采用了尖端的自监督学习技术进行训练，使其能够从大量未标记的数据中学习，这是在医疗保健领域的一个重要优势，因为专家注释通常稀缺。该模型在28项基准测试中表现出色，在皮肤癌评估和一般皮肤病方面始终优于现有AI模型。
在涉及人类医生的临床试验中，该模型提高了诊断准确性，特别是在初级保健中的全科医生中，增强了他们识别和区分复杂炎症性疾病、肿瘤和色素障碍的能力。在某些情况下，该模型单独的表现甚至超过了医生-人工智能协作，表明其诊断推理既稳健又可靠。
尽管该模型仍需在更罕见的疾病和更多人群组中进行更广泛的测试，但这项研究表明多模态、临床集成的人工智能系统的巨大潜力。通过模仿皮肤病学家在实际实践中使用的整体、多层次方法，这种新的人工智能模型代表了朝着更智能、更可及的皮肤护理迈出的重要一步，适用于各种医疗环境。
参考文献
Yan S 等. 一种用于临床皮肤病学的多模态视觉基础模型. Nat Med. 2025;DOI:10.1038/s41591-025-03747-y.
(全文结束)
