Application d'IA pour la gestion de la dermatite atopique

Le projet sera exécuté au département de dermatovénérologie de l'hôpital de Chine occidentale de l'université du Sichuan. Le protocole sera approuvé par le comité d'éthique biologique et médical de l'hôpital de Chine occidentale de l'Université du Sichuan, et le consentement éclairé écrit sera obtenu de tous les participants avant de prendre des images des lésions cutanées et avant de les recruter dans des essais cliniques.

1. Détection et évaluation automatiques de la MA basées sur l'apprentissage profond de l'IA 1.1 Ensemble de données sur la dermatite atopique L'ensemble de données sera établi à partir de plus de 10 000 images cliniques de patients atteints de MA pour l'apprentissage profond de l'IA. Les images de mauvaise qualité seront exclues et les images contenues dans l'arrière-plan environnant seront recadrées pour inclure uniquement les lésions MA.

   1.2 Étiquetage des signes cliniques des lésions cutanées L'étiquetage sera réalisé par trois dermatologues certifiés et trois ingénieurs algorithmiques formés. Les dermatologues identifieront les signes cliniques, notamment l'érythème, la papulation, l'œdème, le suintement, l'excoriation, la lichénification et la sécheresse, et la gravité de chaque signe sera évaluée et étiquetée sur une échelle à quatre points (0 : aucun, 1 : léger, 2 : modéré et 3 : sévère). Le résultat de chaque signe clinique dans une image sera étiqueté comme un exemple d'érythème-2, d'œdème-2 ou de suintement-3. Après avoir étiqueté les images, les dermatologues et les ingénieurs en algorithmes vérifient la qualité des images étiquetées à partir des règles cliniques et d'étiquetage et valident de manière croisée l'exactitude des signes et la gravité. Les images qui répondent aux exigences seront utilisées pour la formation des modèles. Pendant le processus d'étiquetage et de formation des modèles, le personnel concerné ne connaîtra pas toutes les informations privées des patients.

   1.3 Formation du modèle La formation du modèle sera réalisée après étiquetage des images.

   Un modèle de segmentation sémantique précis et efficace sera formé pour distinguer les zones de lésions cutanées anormales afin d'identifier tous les signes cliniques. Un modèle de segmentation cutanée rapide et précis au niveau des pixels sera formé pour déterminer le rapport entre la zone de lésion et la zone cutanée globale. En outre, une méthode efficace et pratique pour convertir la zone de lésion cutanée segmentée en unités de zone cutanée réelle sera créée afin d'obtenir une restauration précise de la taille réelle autant que possible à partir de la distorsion de la lésion cutanée en raison de la distance de prise de vue, de l'angle, ou amélioration automatique. L'ensemble de données sera divisé pour la formation, la validation et les tests. Des images de 6 500 sur 10 000 seront utilisées pour la formation et la validation du modèle proposé, et des images des 3 500 sur 10 000 restantes seront utilisées pour les tests. Après la formation, combinés aux différents éléments du questionnaire remplis par les patients, les outils d'évaluation dont EASI, SCORED, POEM, pp-NRS et DLQI seront calculés par le modèle.

2. Développement de l'application AIADMS L'application prendra en charge le système Android et le système IOS, et elle sera conçue en deux versions pour les patients et les cliniciens avec une entrée de connexion distincte. Les fonctions fondamentales de l'application comprendront « Push », « Rappel », « Télécharger », « Évaluation » et « Gestion des données ».

   2.1 La fonction « Push » est conçue pour transmettre des informations aux patients et au personnel médical. Les informations poussées peuvent être reçues et affichées sur l'écran du téléphone mobile même si l'application n'est pas ouverte et que le téléphone mobile est dans l'état d'écran verrouillé, et les utilisateurs peuvent définir eux-mêmes l'heure de réception des informations poussées. Par exemple, le moment prédéterminé pour le suivi en clinique sera présenté comme « Vous devriez venir voir le médecin le lundi 25 juillet 2023 prochain ». La fonction « Push » peut activer l'utilisation de l'application, augmenter la viscosité des utilisateurs et piloter l'utilisation d'autres modules fonctionnels.

   2.2 La fonction « Rappel » est principalement utilisée pour rappeler aux patients la prise de médicaments, le téléchargement de photos de lésions cutanées, l'auto-évaluation et le suivi programmé.

   2.3 La fonction « Télécharger » est conçue pour aider les patients à participer au traitement systémique. Ils peuvent télécharger leurs photos de lésions cutanées, la description de l'évolution de la MA ou des questionnaires.

   2.4 La fonction « Évaluation » est développée pour fournir des informations à la fois aux patients et au personnel médical. En téléchargeant des photos de lésions cutanées et en remplissant les différents éléments du questionnaire, l'application évaluera automatiquement la gravité des lésions et calculera les scores EASI, POEM, PP-NRS, SCORAD ou DLQI. Cette fonction pourrait aider les patients à mieux connaître leur situation de maladie et à participer à l'auto-évaluation et aux soins personnels, comme le recommande la stratégie T2T.

   2.4 La fonction « Gestion des données » est conçue pour permettre au personnel médical de gérer plus facilement les patients et de concevoir la recherche médicale. Ils peuvent se connecter au site Web de la plateforme d'applications pour collecter et exporter des données, effectuer des analyses statistiques et de l'exploration de mégadonnées. L'application elle-même peut également créer des statistiques simples et gérer les données. Par exemple, des données telles que les scores EASI, POEM et PP-NRS avant le traitement, 2 semaines, 4 semaines, 12 semaines et 6 mois après le traitement pourraient être automatiquement générées dans des rapports statistiques présentés sous forme d'histogrammes ou courbes. L'application peut également être améliorée et mise à jour vers la nouvelle version grâce à l'analyse des habitudes des utilisateurs, et les modules fonctionnels pourraient être optimisés avec la fréquence d'utilisation élevée et les commentaires du personnel médical et des patients.

3. Efficacité et sécurité de l'application AIADMS pour l'amélioration des résultats cliniques chez les patients atteints de MA : un essai contrôlé randomisé.

Cet essai est un essai contrôlé randomisé prospectif unique centré qui teste la supériorité de la mise en œuvre de la stratégie T2T par application de l'application AIADMS chez les patients atteints de MA en terme d'amélioration des résultats cliniques.

Il s’agirait du premier outil assisté par IA pour la MA pendant le processus de diagnostic, de gestion et de suivi. Il fournira des preuves solides de l’application de l’IA en dermatologie à l’échelle mondiale.