来自庆应义塾大学医学院、京都府立医科大学和帝京大学的研究团队与Atopiyo LLC合作，开发了一种新型人工智能（AI）模型，可以通过患者上传的智能手机照片客观评估湿疹的严重程度。他们的研究结果最近发表在《过敏》杂志上，这是欧洲过敏和临床免疫学学会的官方期刊。
特应性皮炎（AD）是一种常见的慢性皮肤病，反复发作，通常需要长期监测和治疗调整。近年来，智能手机应用程序和社交媒体平台使患者更容易追踪症状、了解病情并记录随时间的变化。然而，患者的自报症状如瘙痒或睡眠不足并不总是与可见的疾病严重程度一致。这一差距强调了对更标准化、客观评估工具的需求，并突显了数字生物标志物在填补这一角色方面的潜力。
为解决这个问题，研究团队利用了Atopiyo的数据，这是日本最大的AD平台，自2018年以来已有超过28,000名用户分享了超过57,000张症状照片和个人评论。这项研究中开发的AI模型集成了三个关键算法：身体部位检测、湿疹病变检测以及使用三项目严重度（TIS）评分系统进行严重程度评分，该系统评估红斑、肿胀和抓痕。
使用包含880张带有自报瘙痒评分的图像的训练数据集，AI模型展示了高诊断准确性。在使用220张测试图像的验证研究中，基于AI的TIS（AI-TIS）与皮肤科医生评估的TIS评分（R = 0.73，P < 0.001）表现出强相关性，并与客观SCORAD评分（R = 0.53，P = 0.04）显示出有意义的相关性。
“许多湿疹患者难以自行评估其疾病的严重程度，”该研究的通讯作者安达武也博士说。“我们的AI模型允许使用智能手机进行客观、实时的跟踪，从而增强患者的能力，并可能改善疾病管理。”
有趣的是，该研究还发现，基于AI的严重程度评分与自报瘙痒评分之间的相关性较弱，这突显了感知症状与可观察到的炎症之间的差异。这支持了对能够提高皮肤病护理精准度的数字生物标志物日益增长的需求。
研究人员计划通过纳入更广泛的皮肤类型、年龄范围，并整合来自SCORAD和EASI评分系统的其他临床特征来扩展模型的实用性。这项工作为支持现实环境中患者和临床医生的AI驱动远程皮肤病解决方案铺平了道路。
参考文献：
Utako Okata-Karigane, Masakazu Hirota, Chiaki Takahashi, Akihiro Miyagawa, Ryotaro Ako, Saeko Nakajima, Masaki Futamura, Satoru Yonekura, Yasushi Ogawa, Takenori Inomata, Tetsuo Ishikawa, Yoshihiro Ito, Katsunori Masaki, Sakura Sato, Norito Katoh, Hideaki Morita, Takeya Adachi, AI-Based Objective Severity Assessment of Atopic Dermatitis Using Patient Photos in a Real-World Setting: A Digital Biomarker Approach, Allergy,
(全文结束)
