Aplicación de IA para el tratamiento de la dermatitis atópica

El proyecto se ejecutará en el Departamento de Dermatovenereología del Hospital de China Occidental de la Universidad de Sichuan. El protocolo será aprobado por el Comité de Ética Médico-Biológico del Hospital de China Occidental de la Universidad de Sichuan, y se obtendrá el consentimiento informado por escrito de todos los participantes antes de tomar imágenes de las lesiones cutáneas y antes de reclutarlos en ensayos clínicos.

1. Detección y evaluación automática de la EA basada en el aprendizaje profundo de la IA 1.1 Conjunto de datos de dermatitis atópica El conjunto de datos se establecerá a partir de más de 10.000 imágenes clínicas de pacientes con EA para el aprendizaje profundo de la IA. Se excluirán las imágenes de baja calidad y las imágenes que contengan el fondo circundante se recortarán para incluir solo las lesiones de EA.

   1.2 Etiquetado de los signos clínicos de las lesiones cutáneas El etiquetado lo completarán tres dermatólogos certificados y tres ingenieros de algoritmos capacitados. Los dermatólogos etiquetarán los signos clínicos, incluidos eritema, papulación, edema, supuración, excoriación, liquenificación y sequedad, y la gravedad de cada signo se evaluará y etiquetará en una escala de cuatro puntos (0: ninguno, 1: leve, 2: moderada y 3: grave). El resultado de cada signo clínico en una imagen se etiquetará como un ejemplo de eritema-2, edema-2 o supuración-3. Después de etiquetar las imágenes, los dermatólogos y los ingenieros de algoritmos verifican la calidad de las imágenes etiquetadas a partir de reglas clínicas y de etiquetado y validan de forma cruzada la precisión de los signos y la gravedad. Las imágenes que cumplan con los requisitos se utilizarán para el entrenamiento del modelo. Durante el proceso de etiquetado y capacitación del modelo, el personal relevante desconocerá toda la información privada del paciente.

   1.3 Entrenamiento del modelo El entrenamiento del modelo se llevará a cabo después del etiquetado de las imágenes.

   Se entrenará un modelo de segmentación semántica preciso y eficiente para distinguir áreas de lesiones cutáneas anormales para identificar todos los signos clínicos. Se entrenará un modelo de segmentación de piel a nivel de píxeles rápido y preciso para determinar la relación entre el área de la lesión y el área general de la piel. Además, se creará un método eficiente y práctico para convertir el área de lesión cutánea segmentada en unidades de área de piel real para lograr la restauración precisa del tamaño real tanto como sea posible a partir de la distorsión de la lesión cutánea debido a la distancia de disparo, el ángulo, o mejora automática. El conjunto de datos se dividirá para capacitación, validación y prueba. Se utilizarán imágenes de 6.500 de 10.000 en el entrenamiento y validación del modelo propuesto, y las imágenes de las 3.500 restantes de 10.000 se utilizarán para pruebas. Después del entrenamiento, combinado con los diferentes elementos del cuestionario completados por los pacientes, el modelo calculará las herramientas de evaluación que incluyen EASI, SCORED, POEM, pp-NRS y DLQI.

2. Desarrollo de la aplicación AIADMS La aplicación será compatible con el sistema Android y el sistema IOS, y se diseñará en dos versiones tanto para pacientes como para médicos con la entrada de inicio de sesión distinguida. La función fundamental de la aplicación incluirá "Push", "Recordatorio", "Cargar", "Evaluación" y "Gestión de datos".

   2.1 La función "Push" está diseñada para transmitir información a los pacientes y al personal médico. La información enviada se puede recibir y mostrar en la pantalla del teléfono móvil incluso si la aplicación no está abierta y el teléfono móvil está en el estado de pantalla bloqueada, y los usuarios pueden establecer la hora de recibir la información enviada por sí mismos. Por ejemplo, el momento predeterminado para el seguimiento en las clínicas se presentará como "Debe venir a ver al médico el próximo lunes 25 de julio de 2023". La función "Push" puede activar el uso de la aplicación, aumentar la viscosidad de los usuarios e impulsar la utilización de otros módulos funcionales.

   2.2 La función "Recordatorio" se utiliza principalmente para recordar a los pacientes que deben tomar medicamentos, cargar fotografías de lesiones cutáneas, autoevaluaciones y seguimiento programado.

   2.3 La función "Cargar" está diseñada para ayudar a los pacientes a participar en el tratamiento sistémico. Pueden subir sus fotos de lesiones cutáneas, la descripción de avances de la EA o cuestionarios.

   2.4 La función "Evaluación" está desarrollada para proporcionar información tanto a los pacientes como al personal médico. Al cargar fotografías de lesiones cutáneas y completar los diferentes elementos del cuestionario, la aplicación evaluará automáticamente la gravedad de las lesiones y calculará las puntuaciones EASI, POEM, PP-NRS, SCORAD o DLQI. Esta función podría ayudar a los pacientes a conocer más sobre su situación de la enfermedad, y participar en la autoevaluación y el autocuidado como recomienda la estrategia T2T.

   2.4 La función "Gestión de datos" está diseñada para que el personal médico pueda gestionar a los pacientes de forma más cómoda y diseñar la investigación médica. Pueden iniciar sesión en el sitio web de la plataforma de aplicaciones para recopilar y exportar datos, realizar análisis estadísticos y extracción de big data. La aplicación en sí también puede realizar estadísticas y gestión de datos sencillas. Por ejemplo, datos como la puntuación EASI, POEM y PP-NRS en los momentos anteriores al tratamiento, 2 semanas, 4 semanas, 12 semanas y 6 meses después del tratamiento podrían generarse automáticamente en informes estadísticos para presentarse en forma de histogramas o curvas. La aplicación también se puede mejorar y actualizar a la nueva versión mediante el análisis de los hábitos de los usuarios, y los módulos de funciones se pueden optimizar con la alta frecuencia de uso y los comentarios tanto del personal médico como de los pacientes.

3. Efectividad y seguridad de la aplicación AIADMS para mejorar los resultados clínicos en pacientes con EA: un ensayo controlado aleatorio.

Este ensayo es un ensayo controlado aleatorio, prospectivo, monocéntrico que prueba la superioridad de la implementación de la estrategia T2T mediante la aplicación de la aplicación AIADMS en pacientes con EA en términos de mejora de los resultados clínicos.

Esta sería la primera herramienta asistida por IA para la EA durante el proceso de diagnóstico, tratamiento y seguimiento. Proporcionará pruebas sólidas para la aplicación de la IA en dermatología en todo el mundo.