相关实验视频
Updated: Jun 24, 2025

08:02
A Mouse Ear Model for Allergic Contact Dermatitis Evaluation
Published on: March 24, 2023
3.4K
使用机器学习诊断接触性皮肤炎:一篇综述
Eric McMullen1, Rajan Grewal1, Kyle Storm2
1Division of Dermatology, Department of Medicine, University of Toronto, Toronto, Ontario, Canada.
Contact dermatitis
|June 4, 2024
概括
机器学习 (ML) 在诊断接触性皮肤炎 (CD) 中表现有前途. 虽然研究有限,但ML模型有可能提高诊断准确性和临床环境中的患者结果.
科学领域:
- 皮肤病学 皮肤病学
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 机器学习 (ML) 为推进接触性皮肤炎 (CD) 研究提供了重大机会.
- 将ML与全面的临床数据相结合,可能会提高诊断能力和补丁测试精度.
研究的目的:
- 进行关于ML在接触性皮肤炎中的应用现有文献的全面审查.
- 探索ML在支持诊断和改善CD的补丁测试准确性的潜力.
主要方法:
- 在Embase,Medline,IEEE Xplore和ACM数字图书馆进行了系统的文献搜索,截至2024年2月7日.
- 包括的研究重点是初级研究报告的ML模型,应用于接触性皮肤炎.
主要成果:
- 在审查了7834篇已识别的文章后,有6项研究符合纳入标准.
- 使用ML模型识别生物标志物,使用图像和临床数据区分过敏接触性皮肤炎 (ACD) 和刺激性接触性皮肤炎 (ICD),并预测贴片测试阳性.
- 所有模型都采用了监督学习,共包括49,704名患者,尽管准确性报告很少.
结论:
- 尽管目前的研究有限,但ML显示出作为临床诊断接触性皮肤炎的辅助工具的潜力.
- 进一步调查临床实施和验证在CD管理中的ML是有必要的.

