自动疹活动评分:基于深度学习的自动蜂巢计数用于疹严重性评估
Taig Mac Carthy1, Ignacio Hernández Montilla2, Andy Aguilar1
1Department of Clinical Endpoint Innovation, Legit. Health, Bilbao, Spain.
JID innovations : skin science from molecules to population health
|December 11, 2023
概括
一个人工智能模型,自动UAS,准确地评估慢性疹的严重程度,与医生的表现相匹配. 这种深度学习工具有助于皮肤疾病治疗的临床实践和临床试验.
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:
- 慢性疹在全球影响1%,慢性自发性疹是最常见的.
- 疹活动评分 (UAS) 评估疾病的严重程度,但手动,耗时,容易变化.
- 客观评估对于指导治疗和评估疗法至关重要.
研究的目的:
- 使用深度学习开发一个自动化的疹活动评分 (UAS).
- 为了验证自动无人机系统的性能与专家医生对比.
- 探索AI在临床决策支持和临床试验终点方面的潜力.
主要方法:
- 一个深度学习模型,Legit.Health-UAS-HiveNet,被开发用于病变检测和UAS计算.
- 该模型是通过慢性疹患者数据进行训练和评估的.
- 性能与专家医生的手动UAS评估进行了比较.
主要成果:
- 自动UAS模型在评估慢性疹严重程度时,表现与专家医生相美.
- 人工智能模型为UAS评估提供了一种一致和客观的方法.
- 该系统有可能集成到计算机辅助诊断 (CADx) 系统中.
结论:
- 人工智能,特别是深度学习,可以有效地自动化慢性疹的UAS评估.
- 由人工智能驱动的工具可以支持临床医生在日常实践中,并在临床试验中作为新的终点.
- 这项技术通过赋予临床医生权力和标准化试验结果来推进基于证据的医学.
