虽然人工智能似乎是识别性传播感染和肛门生殖器皮肤病的有效诊断工具，但其在临床环境中的实施将需要明确的政策指导和标准。
根据发表在《JAMA Network Open》上的研究结果，人工智能（AI）可能成为识别性传播感染（STIs）和肛门生殖器皮肤病的有用工具。由于临床表现的复杂性，性传播感染的诊断和管理可能具有挑战性。AI在帮助诊断一般皮肤状况方面已取得一些成功，但关于其用于识别与性传播感染相关的皮肤病的研究有限。
研究人员进行了一项系统性回顾和荟萃分析，以评估AI算法帮助诊断性传播感染和肛门生殖器皮肤病的潜力。该回顾包括2010年1月至2024年4月发表的140项研究，这些研究使用AI从临床图像中识别和分类肛门生殖器皮肤状况。大多数研究涉及猴痘（78.6%），较少研究涉及生殖器疣（5.7%）、疥疮（5.7%）、股癣（5.7%）、带状疱疹（5.7%）、银屑病（5.0%）、苔藓样变化（4.3%）和传染性软疣（4.3%）。
研究结果表明，AI在识别性传播感染和肛门生殖器皮肤病方面显示出潜力，但存在显著的研究差距。
AI识别以下疾病的准确率超过70%：梅毒、单纯疱疹、生殖器疣、猴痘、疥疮、带状疱疹和阴茎癌。该算法对大多数疾病的特异性很高（>95%），尽管每种疾病的其他指标存在显著异质性。
使用双变量随机效应荟萃分析来确定AI应用在检测肛门生殖器皮肤状况方面的汇总敏感性和特异性，这些状况在超过3项研究中进行了评估。该技术在识别猴痘（汇总敏感性和特异性分别为0.96和0.98）、单纯疱疹（0.91和0.97）、生殖器疣（0.87和0.98）、银屑病（0.90和0.98）和疥疮（0.89和0.98）方面表现良好。其他条件无法纳入荟萃分析。
亚组分析仅适用于猴痘，显示AI的敏感性在使用更多临床图像进行评估以及使用二元与多类分类方法的研究中更好。特异性在各亚组中保持较高水平。
然而，研究质量差异很大，大多数分析在人群选择和参考标准方面存在高偏倚风险（均为76.1%）；另外20%的研究在索引测试方面存在高偏倚风险。大多数（86.4%）研究依赖开源数据集，只有12.1%使用实验室测试、医生审核的图像或两者结合来验证基于图像的诊断。此外，除一项研究外，所有研究都被认为是概念验证研究，没有提供可用于外部验证的公开可用模型。没有随机对照试验。
其他限制包括可能遗漏相关研究、使用未专门为皮肤病学AI研究设计的偏倚评估工具、研究结果可能无法准确反映专门为性传播感染和肛门生殖器皮肤病设计的AI模型的性能，以及AI模型仅用于识别这些疾病的可见皮肤表现，而非其他类型的临床表现。
研究人员总结道："研究结果表明，AI在识别性传播感染和肛门生殖器皮肤病方面显示出潜力，但存在显著的研究差距。"他们补充道："未来的工作应优先考虑研究不足的性传播感染和鉴别诊断，同时提高数据质量，进行外部验证，并在临床环境中验证研究结果。"
参考文献：
Soe NN, Kusnandar II, Latt PM, et al. Use of AI in identification of sexually transmitted infections and anogenital dermatoses: a systematic review and meta-analysis. JAMA Netw Open. Published online October 1, 2025.
【全文结束】
