App AI per la gestione della dermatite atopica

Il progetto sarà eseguito presso il Dipartimento di Dermatovenereologia, West China Hospital dell'Università del Sichuan. Il protocollo sarà approvato dal Comitato Etico Biologico-Medico del West China Hospital dell'Università del Sichuan e verrà ottenuto il consenso informato scritto da tutti i partecipanti prima di acquisire immagini delle lesioni cutanee e prima di reclutarli negli studi clinici.

1. Rilevamento e valutazione automatici dell'AD basati sul deep learning dell'IA 1.1 Set di dati della dermatite atopica Il set di dati sarà costituito da più di 10.000 immagini cliniche di pazienti con AD per l'apprendimento profondo dell'IA. Le immagini di bassa qualità verranno escluse e le immagini contenute nello sfondo circostante verranno ritagliate per includere solo le lesioni AD.

   1.2 Etichettatura dei segni clinici delle lesioni cutanee L'etichettatura sarà completata da tre dermatologi certificati e tre ingegneri algoritmici addestrati. I dermatologi etichetteranno i segni clinici tra cui eritema, papulazione, edema, trasudazione, escoriazioni, lichenificazione e secchezza, e la gravità di ciascun segno sarà valutata ed etichettata su una scala a quattro punti (0: nessuno, 1: lieve, 2: moderato e 3: grave). Il risultato di ciascun segno clinico in un'immagine verrà etichettato come esempio di eritema-2, edema-2 o trasudazione-3. Dopo aver etichettato le immagini, i dermatologi e gli ingegneri degli algoritmi verificano la qualità delle immagini etichettate in base alle regole cliniche e di etichettatura e convalidano in modo incrociato l'accuratezza dei segni e della gravità. Le immagini che soddisfano i requisiti verranno utilizzate per l'addestramento del modello. Durante il processo di etichettatura e formazione del modello, il personale interessato non sarà a conoscenza di tutte le informazioni private del paziente.

   1.3 Formazione del modello La formazione del modello verrà effettuata dopo l'etichettatura delle immagini.

   Verrà addestrato un modello di segmentazione semantica accurato ed efficiente per distinguere le aree di lesione cutanea anomala per identificare tutti i segni clinici. Verrà addestrato un modello di segmentazione cutanea a livello di pixel rapido e accurato per determinare il rapporto tra l'area della lesione e l'area complessiva della pelle. Inoltre, verrà creato un metodo efficiente e pratico per convertire l'area della lesione cutanea segmentata in unità di area cutanea reale per ottenere il ripristino accurato delle dimensioni reali il più possibile dalla distorsione della lesione cutanea a causa della distanza di ripresa, dell'angolo, o miglioramento automatico. Il set di dati verrà suddiviso per la formazione, la convalida e il test. Le immagini di 6.500 su 10.000 verranno utilizzate nella formazione e nella convalida del modello proposto, mentre le immagini delle restanti 3.500 su 10.000 verranno utilizzate per i test. Dopo la formazione, combinata con le diverse voci del questionario compilate dai pazienti, gli strumenti di valutazione tra cui EASI, SCORED, POEM, pp-NRS e DLQI verranno calcolati dal modello.

2. Sviluppo dell'app AIADMS L'app supporterà il sistema Android e il sistema IOS e sarà progettata in due versioni sia per i pazienti che per i medici con un ingresso di accesso distinto. La funzione fondamentale dell'app includerà "Push", "Promemoria", "Caricamento", "Valutazione" e "Gestione dei dati".

   2.1 La funzione "Push" è progettata per trasmettere informazioni ai pazienti e al personale medico. Le informazioni inviate potrebbero essere ricevute e visualizzate sullo schermo del telefono cellulare anche se l'app non è aperta e il telefono cellulare è nello stato di schermo bloccato e gli utenti possono impostare autonomamente l'orario di ricezione delle informazioni inviate. Ad esempio, il momento predeterminato per il follow-up nelle cliniche sarà presentato come "Dovresti venire a vedere il medico lunedì prossimo, 25 luglio 2023". La funzione "Push" può attivare l'uso dell'app, aumentare la viscosità degli utenti e guidare l'utilizzo di altri moduli funzionali.

   2.2 La funzione "Promemoria" viene utilizzata principalmente per ricordare ai pazienti di assumere medicinali, caricare foto di lesioni cutanee, autovalutazione e follow-up programmato.

   2.3 La funzione "Carica" ​​è progettata per aiutare i pazienti a partecipare al trattamento sistemico. Possono caricare le loro foto di lesioni cutanee, la descrizione dei progressi dell'AD o questionari.

   2.4 La funzione "Valutazione" è sviluppata per fornire informazioni sia ai pazienti che al personale medico. Caricando foto di lesioni cutanee e compilando le diverse voci del questionario, l'app valuterà automaticamente la gravità delle lesioni e calcolerà i punteggi EASI, POEM, PP-NRS, SCORAD o DLQI. Questa funzione potrebbe aiutare i pazienti a conoscere meglio la loro situazione di malattia e a prendere parte all’autovalutazione e all’autocura come raccomandato dalla strategia T2T.

   2.4 La funzione "Gestione dati" è progettata per consentire al personale medico di gestire i pazienti in modo più conveniente e progettare la ricerca medica. Possono accedere al sito web della piattaforma dell'app per raccogliere ed esportare dati, effettuare analisi statistiche e big data mining. L'app stessa può anche creare semplici statistiche e gestire i dati. Ad esempio, dati come il punteggio EASI, POEM e PP-NRS nei momenti precedenti al trattamento, 2 settimane, 4 settimane, 12 settimane e 6 mesi dopo il trattamento potrebbero essere generati automaticamente in rapporti statistici da presentare sotto forma di istogrammi o curve. L'app può anche essere ulteriormente migliorata e aggiornata alla nuova versione attraverso l'analisi delle abitudini degli utenti, e i moduli funzionali potrebbero essere ottimizzati con l'elevata frequenza di utilizzo e il feedback sia del personale medico che dei pazienti.

3. Efficacia e sicurezza dell'app AIADMS per il miglioramento degli esiti clinici nei pazienti con AD: uno studio randomizzato e controllato.

Questo studio è un singolo studio centrato, prospettico, randomizzato e controllato che testa la superiorità dell'implementazione della strategia T2T mediante l'applicazione dell'app AIADMS in pazienti con AD in termini di miglioramento dei risultati clinici.

Questo sarebbe il primo strumento assistito dall’intelligenza artificiale per l’AD durante il processo di diagnosi, gestione e follow-up. Fornirà prove concrete per l’applicazione dell’intelligenza artificiale in dermatologia a livello mondiale.