基于深度学习的工具的进步和独立验证,用于自动评分指甲牛皮症严重程度,使用修改的指甲牛皮症严重程度指数
Stephan Kemenes1,2, Liu Chang3, Maja Schlereth4
1Department of Dermatology, Friedrich-Alexander-University Erlangen-Nürnberg (FAU) and Universitätsklinikum Erlangen, Erlangen, Germany.
Frontiers in medicine
|April 17, 2025
概括
一个新的AI模型使用修改后的指数 (mNAPSI) 准确地得分指甲牛皮的严重程度. 这种自动化工具可以提供可靠的客观评估,而不需要标准化的成像条件.
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:
- 指甲牛皮显著影响患有牛皮 (PsO) 和牛皮性关节炎 (PsA) 的患者.
- 准确评估指甲牛皮的严重程度,使用工具,如修改的指甲牛皮严重程度指数 (mNAPSI),对于患者管理至关重要.
- 当前的方法可能缺乏客观性和标准化.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN) 用于自动化指甲牛皮严重程度评分.
- 通过使用mNAPSI.实现所有严重程度类的高精度.
- 确保模型在不依赖标准化成像条件的情况下运行.
主要方法:
- 基于图像转换器 (BEiT) 的双向编码器表示的CNN对mNAPSI分类进行了微调.
- 来自PsO,PsA和对照患者的指甲照片被用于培训和验证.
- 使用接收器操作特征曲线 (AUROC) 下的面积来评估性能,并与人类专家注释进行比较.
主要成果:
- 在培训数据集上,CNN实现了高分类性能 (平均AUROC为86%±7%).
- 在独立验证数据集 (平均AUROC为80%±9%) 上,即使在可变的成像条件下,也保持了稳健的性能.
- 美国有线电视新闻网 (CNN) 与人类注释有很强的一致性 (在患者层面的皮尔森相关性为0.94).
结论:
- 经过验证的CNN可以根据mNAPSI实现指甲牛皮严重程度的自动客观评分.
- 该模型提供高可靠性,不需要标准化成像.
- 这种方法在标准化评估和作为自我报告工具方面具有临床实用性的潜力.
