多模式机器学习方法用于诊断无形皮肤炎
Alida Widiawaty1,2, Wresti Indriatmi2,3, Wisnu Jatmiko4
1Faculty of Medicine, Universitas Riau, Pekanbaru, Riau, Indonesia.
F1000Research
|February 20, 2026
概括
一个新的人工智能 (AI) 模型通过结合图像分析和患者病史来准确诊断亚托皮炎 (AD). 这种人工智能工具模仿临床推理,提高了这种常见皮肤疾病的诊断准确度.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 亚托匹性皮肤炎 (AD) 是一种常见的慢性炎症性皮肤病,表现不同.
- 阿尔茨海默病的临床诊断可能是主观和不一致的,特别是在全科医生中.
- 开发客观的诊断工具对于改善患者护理至关重要.
研究的目的:
- 开发和评估一种多式人工智能 (AI) 模型,用于增强阿托皮性皮炎 (AD) 诊断.
- 整合病变图像分析和结构化的患者病史 (记忆录),以提高诊断准确度.
- 将多式联络人工智能模型的性能与仅图像和仅文本模型进行比较.
主要方法:
- 一个两阶段的诊断研究,利用后期和前性数据.
- 开发了结合ResNet50图像特征和MPNet文本特征的晚期融合模型.
- 根据综合的视觉和临床数据,根据AAD 2014标准将病例分类为AD或非AD.
主要成果:
- 多式人工智能模型在分类AD与非AD方面取得了98.28%的准确性.
- 综合模型的性能优于仅依赖图像或文本的模型.
- 人工智能模仿医生的推理,提供一致且不那么主观的诊断评估.
结论:
- 该ResNet50-MPNet多式联络人工智能模型在诊断AD时表现出高准确度.
- 该模型通过模仿临床医生的推理来提供一致的,整体的评估.
- 进一步的外部验证和可解释的AI (XAI) 对于广泛的临床采用是必要的.
