卷积神经网络的演示,以确定补丁测试反应性
Adarsh Ravishankar1,2, Nicholas Heller3, Paul L Bigliardi2
1From the Department of Medicine, University of Minnesota, Minneapolis, Minnesota, USA.
Dermatitis : contact, atopic, occupational, drug
|September 12, 2023
概括
卷积神经网络 (CNN) 可以准确地检测贴片测试中的反应,改善皮肤病学家的诊断一致性. 这种AI模型显示出高性能,有助于解释延迟型过敏反应.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 贴片检测对于诊断过敏接触性皮肤炎至关重要.
- 解释补丁测试结果可能是主观的,导致变化.
- 卷积神经网络 (CNN) 提供了客观图像分析的潜力.
研究的目的:
- 为了评估CNN能够区分阳性和阴性补丁测试反应的能力.
- 建立人工智能辅助补丁测试解释的概念验证.
- 为了评估CNN模型的性能指标.
主要方法:
- 对13622张补丁测试图像 (2020年3月至2021年3月) 的回顾性分析.
- 训练CNN作为对反应/非反应的二进制分类器.
- 使用总结统计和ROC曲线进行绩效评估.
主要成果:
- 美国有线电视新闻网 (CNN) 的曲线下面面积 (AUC) 为0.940.
- 总体准确率为90.1%,灵敏度为86.0%,特异性为90.2%.
- 该模型表现出高分辨性性能.
结论:
- 在补丁试验中,CNN可以有效地识别延迟型过敏反应.
- 人工智能有望减少补丁测试解释中的主观性.
- 需要进一步的前性研究来确认可通用性.
