AI aplikace pro léčbu atopické dermatitidy

Projekt bude realizován na Dermatovenerologickém oddělení Západočínské nemocnice Sichuanské univerzity. Protokol bude schválen Biologicko-lékařskou etickou komisí Západočínské nemocnice Sichuan University a od všech účastníků bude získán písemný informovaný souhlas, než pořídíme snímky kožních lézí a než je zařadíme do klinických studií.

1. Automatická detekce a hodnocení AD na základě hlubokého učení AI 1.1 Soubor dat atopické dermatitidy Soubor dat bude vytvořen z více než 10 000 klinických snímků pacientů s AD pro hluboké učení AI. Snímky nízké kvality budou vyloučeny a snímky obsahující okolní pozadí budou oříznuty tak, aby zahrnovaly pouze léze AD.

   1.2 Označení klinických příznaků kožních lézí Označení provedou tři certifikovaní dermatologové a tři vyškolení inženýři algoritmů. Dermatologové označí klinické příznaky včetně erytému, papulace, edému, mokvání, exkoriace, lichenifikace a suchosti a závažnost každého příznaku bude hodnocena a označena na čtyřbodové stupnici (0: žádný, 1: mírný, 2: střední a 3: těžké). Výsledek každého klinického příznaku na snímku bude označen jako příklad erytému-2, edému-2 nebo mokvání-3. Po označení snímků ověří dermatologové a inženýři algoritmů kvalitu označených snímků na základě klinických pravidel i pravidel pro označování a křížově ověří přesnost příznaků a závažnost. Obrázky, které splňují požadavky, budou použity pro trénink modelu. Během procesu označování a modelového školení nebude příslušný personál znát žádné soukromé informace o pacientech.

   1.3 Trénink modelu Trénink modelu bude proveden po označení obrázků.

   Přesný a účinný model sémantické segmentace bude trénován k rozlišení abnormálních oblastí kožních lézí k identifikaci všech klinických příznaků. Bude trénován rychlý a přesný model segmentace kůže na úrovni pixelů, aby se určil poměr plochy léze k celkové ploše kůže. Kromě toho bude vytvořena účinná a praktická metoda pro převod segmentované oblasti kožní léze na skutečné jednotky oblasti kůže, aby se dosáhlo přesné obnovy skutečné velikosti co možná nejvíce z deformace kožní léze kvůli vzdálenosti střelby, úhlu, nebo automatické vylepšení. Soubor dat bude rozdělen pro školení, ověřování a testování. Snímky 6 500 z 10 000 budou použity při školení a ověřování navrhovaného modelu a snímky zbývajících 3 500 z 10 000 budou použity pro testování. Po zaškolení v kombinaci s různými položkami dotazníku vyplněnými pacienty budou modelem vypočítány hodnotící nástroje včetně EASI, SCORED, POEM, pp-NRS a DLQI.

2. Vývoj aplikace AIADMS Aplikace bude podporovat systém Android a IOS a bude navržena ve dvou verzích pro pacienty i lékaře s výrazným přihlašovacím vstupem. Mezi základní funkce aplikace bude patřit „Push“, „Připomenutí“, „Nahrát“, „Vyhodnocení“ a „Správa dat“.

   2.1 Funkce „Push“ je určena k přenosu informací pacientům a zdravotnickému personálu. Odeslané informace lze přijímat a zobrazovat na obrazovce mobilního telefonu i v případě, že aplikace není otevřena a mobilní telefon je ve stavu uzamčené obrazovky, a uživatelé si mohou sami nastavit čas příjmu vsunutých informací. Například předem stanovený časový bod pro sledování na klinikách bude prezentován jako „Příští pondělí 25. července 2023 byste měli přijít k lékaři“. Funkce „Push“ může aktivovat používání aplikace, zvýšit viskozitu uživatelů a řídit využití dalších funkčních modulů.

   2.2 Funkce „Reminder“ se používá hlavně pro připomenutí pacientům užívání léků, nahrávání fotografií kožních lézí, sebehodnocení a plánované sledování.

   2.3 Funkce „Upload“ je navržena tak, aby pomohla pacientům zapojit se do systémové léčby. Mohou nahrát své fotografie kožních lézí, popis průběhu AD nebo dotazníky.

   2.4 Funkce „Hodnocení“ je vyvinuta za účelem poskytování informací jak pacientům, tak zdravotnickému personálu. Nahráním fotografií kožních lézí a vyplněním různých položek dotazníku aplikace automaticky vyhodnotí závažnost lézí a vypočítá skóre EASI, POEM, PP-NRS, SCORAD nebo DLQI. Tato funkce by mohla pomoci pacientům dozvědět se více o své situaci onemocnění a podílet se na sebehodnocení a sebepéči, jak doporučuje strategie T2T.

   2.4 Funkce „Správa dat“ je navržena pro zdravotnický personál, aby mohl pohodlněji spravovat pacienty a navrhovat lékařský výzkum. Mohou se přihlásit na webovou stránku platformy aplikace a shromažďovat a exportovat data, provádět statistické analýzy a dolování velkých dat. Samotná aplikace také umí vytvářet jednoduché statistiky a správu dat. Například data, jako je skóre EASI, POEM a PP-NRS v časových bodech před léčbou, 2 týdny, 4 týdny, 12 týdnů a 6 měsíců po léčbě, by mohla být automaticky generována do statistických zpráv a prezentována ve formě histogramů nebo křivky. Aplikaci lze dále vylepšovat a aktualizovat na novou verzi pomocí analýzy zvyků uživatelů a funkční moduly lze optimalizovat s vysokou frekvencí používání a zpětnou vazbou jak od zdravotnického personálu, tak od pacientů.

3. Účinnost a bezpečnost aplikace AIADMS pro zlepšení klinických výsledků u pacientů s AD: randomizovaná kontrolovaná studie.

Tato studie je jedinou centrovanou, prospektivní, randomizovanou kontrolovanou studií, která testuje nadřazenost implementace strategie T2T aplikací aplikace AIADMS u pacientů s AD z hlediska zlepšení klinických výsledků.

Jednalo by se o první nástroj s pomocí AI pro AD během procesu diagnostiky, řízení a sledování. Poskytne solidní důkazy pro celosvětovou aplikaci AI v dermatologii.