Aplikacja AI do leczenia atopowego zapalenia skóry

Projekt będzie realizowany na Oddziale Dermatowenerologii Szpitala Zachodniochińskiego Uniwersytetu w Syczuanie. Protokół zostanie zatwierdzony przez Komisję Biologiczno-Medyczną Etyki Szpitala Zachodniochińskiego Uniwersytetu w Syczuanie, a od wszystkich uczestników uzyskana zostanie pisemna świadoma zgoda przed wykonaniem zdjęć zmian skórnych i przed rekrutacją ich do badań klinicznych.

1. Automatyczne wykrywanie i ocena AZS w oparciu o głębokie uczenie się AI 1.1 Zbiór danych dotyczących atopowego zapalenia skóry Zbiór danych zostanie utworzony na podstawie ponad 10 000 obrazów klinicznych pacjentów z AZS na potrzeby głębokiego uczenia się AI. Obrazy o niskiej jakości zostaną wykluczone, a obrazy zawierające otaczające tło zostaną przycięte tak, aby obejmowały tylko zmiany AD.

   1.2 Oznakowanie klinicznych objawów zmian skórnych Oznakowanie zostanie wykonane przez trzech certyfikowanych dermatologów i trzech przeszkolonych inżynierów algorytmów. Dermatolodzy oznaczą objawy kliniczne, w tym rumień, grudkowanie, obrzęk, sączenie, zadrapania, liszajowacenie i suchość, a nasilenie każdego objawu zostanie ocenione i oznaczone w czteropunktowej skali (0: brak, 1: łagodny, 2: umiarkowane i 3: ciężkie). Wynik każdego objawu klinicznego na obrazie zostanie oznaczony jako przykład rumienia-2, obrzęku-2 lub sączenia-3. Po oznakowaniu obrazów dermatolodzy i inżynierowie algorytmów weryfikują jakość oznaczonych obrazów zarówno na podstawie zasad klinicznych, jak i zasad etykietowania, a także krzyżowo weryfikują dokładność objawów i nasilenie. Obrazy spełniające wymagania zostaną wykorzystane do trenowania modeli. Podczas procesu etykietowania i szkolenia modeli odpowiedni personel nie będzie świadomy wszystkich prywatnych informacji o pacjencie.

   1.3 Trening modeli Trening modeli zostanie przeprowadzony po oznakowaniu obrazów.

   Wytrenowany zostanie dokładny i skuteczny model segmentacji semantycznej, umożliwiający rozróżnianie nieprawidłowych obszarów zmian skórnych w celu identyfikacji wszystkich objawów klinicznych. Wytrenowany zostanie szybki i dokładny model segmentacji skóry na poziomie pikseli w celu określenia stosunku obszaru zmiany chorobowej do całkowitego obszaru skóry. Poza tym stworzona zostanie skuteczna i praktyczna metoda przekształcania podzielonego na segmenty obszaru zmian skórnych na rzeczywiste jednostki obszaru skóry, aby w miarę możliwości uzyskać dokładne przywrócenie prawdziwego rozmiaru na podstawie zniekształceń zmian skórnych ze względu na odległość fotografowania, kąt, lub automatyczne ulepszanie. Zbiór danych zostanie podzielony na potrzeby uczenia, walidacji i testowania. Obrazy 6500 z 10 000 zostaną wykorzystane do szkolenia i walidacji proponowanego modelu, a obrazy pozostałych 3500 z 10 000 zostaną wykorzystane do testowania. Po szkoleniu, w połączeniu z różnymi pozycjami kwestionariusza wypełnianymi przez pacjentów, model obliczy narzędzia oceny, w tym EASI, SCORED, POEM, pp-NRS i DLQI.

2. Rozwój aplikacji AIADMS Aplikacja będzie obsługiwała system Android oraz system IOS i będzie zaprojektowana w dwóch wersjach zarówno dla pacjentów, jak i lekarzy, z wyróżnionym wejściem do logowania. Podstawową funkcją aplikacji będzie „Push”, „Przypomnienie”, „Przesyłanie”, „Ocena” i „Zarządzanie danymi”.

   2.1 Funkcja „Push” przeznaczona jest do przekazywania informacji pacjentom i personelowi medycznemu. Przesłane informacje mogą zostać odebrane i wyświetlone na ekranie telefonu komórkowego nawet wtedy, gdy aplikacja nie jest otwarta, a telefon komórkowy znajduje się w stanie zablokowanego ekranu, a użytkownicy mogą sami ustawić czas otrzymania przesłanych informacji. Na przykład ustalony z góry moment wizyty kontrolnej w przychodni będzie przedstawiany jako „Powinieneś zgłosić się do lekarza w najbliższy poniedziałek, 25 lipca 2023 r.”. Funkcja „Push” może aktywować korzystanie z aplikacji, zwiększyć lepkość użytkowników i zwiększyć wykorzystanie innych modułów funkcjonalnych.

   2.2 Funkcja „Przypomnienie” służy głównie do przypominania pacjentowi o zażyciu leków, przesyłania zdjęć zmian skórnych, samooceny i planowych wizyt kontrolnych.

   2.3 Funkcja „Prześlij” ma na celu pomóc pacjentom w uczestniczeniu w leczeniu systemowym. Mogą przesyłać swoje zdjęcia zmian skórnych, opis postępu AZS czy kwestionariusze.

   2.4 Funkcja „Ocena” została opracowana w celu zapewnienia informacji zarówno pacjentom, jak i personelowi medycznemu. Przesyłając zdjęcia zmian skórnych i wypełniając różne pozycje kwestionariusza, aplikacja automatycznie oceni nasilenie zmian i obliczy wyniki EASI, POEM, PP-NRS, SCORAD lub DLQI. Funkcja ta może pomóc pacjentom dowiedzieć się więcej o ich sytuacji chorobowej oraz wziąć udział w samoocenie i samoopiece, zgodnie z zaleceniami strategii T2T.

   2.4 Funkcja „Zarządzanie danymi” przeznaczona jest dla personelu medycznego w celu wygodniejszego zarządzania pacjentami i projektowania badań medycznych. Mogą logować się na stronie platformy aplikacji, aby zbierać i eksportować dane, przeprowadzać analizy statystyczne i eksplorację dużych zbiorów danych. Sama aplikacja potrafi także tworzyć proste statystyki i zarządzać danymi. Na przykład dane takie jak wynik EASI, POEM i PP-NRS w punktach czasowych przed leczeniem, 2 tygodnie, 4 tygodnie, 12 tygodni i 6 miesięcy po leczeniu mogą być automatycznie generowane w raportach statystycznych i prezentowane w formie histogramów lub Krzywe. Aplikację można także udoskonalać i aktualizować do nowej wersji poprzez analizę nawyków użytkowników, a moduły funkcyjne można optymalizować pod kątem dużej częstotliwości użytkowania oraz informacji zwrotnych zarówno od personelu medycznego, jak i pacjentów.

3. Skuteczność i bezpieczeństwo aplikacji AIADMS w celu poprawy wyników klinicznych u pacjentów z AD: randomizowane badanie kontrolowane.

Niniejsze badanie jest pojedynczym, skupionym, prospektywnym, randomizowanym badaniem kontrolowanym, w którym sprawdza się wyższość wdrożenia strategii T2T poprzez zastosowanie aplikacji AIADMS u pacjentów z AD pod względem poprawy wyników klinicznych.

Byłoby to pierwsze narzędzie wspomagane sztuczną inteligencją w leczeniu AD podczas procesu diagnozowania, leczenia i działań następczych. Dostarczy solidnych dowodów na zastosowanie sztucznej inteligencji w dermatologii na całym świecie.