探索人工智能以区分早期梅毒与其他皮肤病变:试点研究
Jiajun Sun1,2, Yingping Li3, Zhen Yu4,5
1Melbourne Sexual Health Centre, Alfred Health, Melbourne, VIC, Australia.
BMC infectious diseases
|January 8, 2025
概括
这项研究开发了一个人工智能 (AI) 模型,使用放射学来从皮肤病变中诊断早期梅毒. 人工智能模型实现了75%的准确性,显示了早期梅毒检测的前景.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 早期诊断梅毒对于有效控制疾病至关重要.
- 从其他皮肤病变区分梅毒可能是一个挑战.
- 放射学为分析医学图像提供了一种新的方法.
研究的目的:
- 开发一种人工智能 (AI) 诊断模型,用于早期发现梅毒.
- 利用放射学特征来区分梅毒与其他皮肤病变.
- 评估机器学习分类器在梅毒诊断中的性能.
主要方法:
- 收集了260张皮肤病变图像 (115张梅毒,145张其他感染).
- 从手动细分的感兴趣区域 (ROI) 中提取了102个放射性特征.
- 训练并测试了11个分类器,包括梯度增强决策树 (GBDT),具有交叉验证和保留集. 研究波形波器,并使用SHAP进行解释.
主要成果:
- 使用波形波器的GBDT模型实现了0.832的交叉验证AUC,准确率为0.735.
- 该模型在持有试验组上显示了0.792 AUC和0.750准确度.
- 在SHAP分析中,二维球性被认为是区分梅毒的最有预测性特征.
结论:
- 基于放射学特征的AI诊断模型显示了区分早期梅毒的潜力.
- 该模型在测试组中实现了75.0%的诊断准确率.
- 放射学和人工智能为改善早期梅毒诊断提供了一个有希望的工具.


