人工智能辅助的预测Demodex虫密度在面部红

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:

• 目前用于检测面部红中的Demodex虫密度的方法往往是半入侵的或严重依赖操作员的专业知识.
• 精确诊断demodicosis对于有效的治疗和患者管理至关重要.

研究的目的:

• 开发和评估一个深度学习模型 (DemodexNet) 来预测Demodex虫密度.
• 评估人工智能辅助评估对皮肤科医生面部红疹诊断绩效的影响.

主要方法:

• 一个深度学习模型,DemodexNet,是使用来自1,124名面部红斑患者的数据开发的.
• 用内部和外部测试套件评估模型的性能,测量诊断准确度和ROC曲线下的面积.
• 对皮肤病学家诊断准确性的影响被评估为有或没有人工智能辅助.

主要成果:

• 在内部测试中,DemodexNet取得了强的表现 (AUC 0.823-0.865),在外部验证中取得的结果略低.
• 人工智能辅助的皮肤科医生评估使诊断准确度从63.7%提高到70.6% (P < .001).
• 在缺乏经验的皮肤科医生和对人工智能的信任度较高的皮肤科医生中,性能增长更为明显.

结论:

• DemodexNet显示了预测Demodex虫密度和帮助诊断demodicosis的巨大潜力.
• 人工智能辅助工具可以增强皮肤科医生的诊断能力,特别是对于经验较少的从业者.
• 在广泛临床实施之前,需要在不同人群中进行进一步的验证.