机器学习支持的护肤建议对轻度至中度的有效性:为期8周的评估者盲目随机对照试验

科学领域:

• 皮肤病学 皮肤病学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 普通 (AV) 是一种影响青少年和年轻成年人的普遍皮肤疾病.
• 局部治疗对于轻度至中度的AV是常见的,但患者的坚持可能是一个挑战.
• 个性化护肤可能会提高轻度至中度AV治疗的疗效.

研究的目的:

• 评估一种新型机器学习 (ML) 模型在预测轻度至中度AV的最佳治疗方法方面的有效性.
• 评估基于ML的个性化护肤建议与自我选择的治疗方法.

主要方法:

• 一项随机的,评估者盲目的研究涉及68名患有轻度至中度AV的患者.
• 参与者被分配到接受ML定制的产品建议 (A组) 或自我选择的治疗 (B组).
• 治疗结果在8周内使用调查者全球评估 (IGA) 评分和皮肤病生命质量指数 (DLQI) 评估.

主要成果:

• A组的IGA分数显著改善 (P=.04),而B组没有 (P=.54).
• 在A组的DLQI显著改善 (P<.001),但在B组没有 (P>.05).
• 在A组没有报告任何不良反应,而B组有3个.

结论:

• 基于机器学习的个性化护肤建议有效减少了AV症状,改善了患者的生活质量.
• 这项研究支持了ML在开发个性化皮肤病治疗策略方面的潜力.
• ML提供了一个有前途的途径,以改善皮管理的坚持和结果.