Aplicativo AI para tratamento de dermatite atópica

O projeto será executado no Departamento de Dermatovereologia do Hospital da China Ocidental da Universidade de Sichuan. O protocolo será aprovado pelo Comitê de Ética Biológico-Médica do Hospital da China Ocidental da Universidade de Sichuan, e o consentimento informado por escrito será obtido de todos os participantes antes de tirarmos imagens das lesões cutâneas e antes de recrutá-las em ensaios clínicos.

1. Detecção e avaliação automáticas de DA com base em aprendizagem profunda de IA 1.1 Conjunto de dados de dermatite atópica O conjunto de dados será estabelecido a partir de mais de 10.000 imagens clínicas de pacientes com DA para aprendizagem profunda de IA. Imagens de baixa qualidade serão excluídas e as imagens contidas no fundo circundante serão cortadas para incluir apenas as lesões de DA.

   1.2 Rotulagem dos sinais clínicos de lesões cutâneas A rotulagem será realizada por três dermatologistas certificados e três engenheiros de algoritmos treinados. Os dermatologistas rotularão os sinais clínicos, incluindo eritema, papulação, edema, exsudação, escoriação, liquenificação e secura, e a gravidade de cada sinal será avaliada e rotulada em uma escala de quatro pontos (0: nenhum, 1: leve, 2: moderado e 3: grave). O resultado de cada sinal clínico em uma imagem será rotulado como exemplo de eritema-2, edema-2 ou exsudação-3. Depois de rotular as imagens, os dermatologistas e engenheiros de algoritmos verificam a qualidade das imagens rotuladas de acordo com as regras clínicas e de rotulagem e fazem a validação cruzada da precisão dos sinais e da gravidade. As imagens que atenderem aos requisitos serão utilizadas para treinamento do modelo. Durante o processo de rotulagem e formação do modelo, o pessoal relevante não terá conhecimento de todas as informações privadas do paciente.

   1.3 Treinamento do modelo O treinamento do modelo será realizado após a rotulagem das imagens.

   Um modelo de segmentação semântica preciso e eficiente será treinado para distinguir áreas de lesões cutâneas anormais para identificar todos os sinais clínicos. Um modelo de segmentação de pele em nível de pixel rápido e preciso será treinado para determinar a proporção entre a área da lesão e a área geral da pele. Além disso, um método eficiente e prático para converter a área de lesão cutânea segmentada em unidades reais de área de pele será criado para obter a restauração precisa do tamanho real, tanto quanto possível, a partir da distorção da lesão cutânea devido à distância de disparo, ângulo, ou aprimoramento automático. O conjunto de dados será dividido para treinamento, validação e teste. Imagens de 6.500 de 10.000 serão utilizadas no treinamento e validação do modelo proposto, e imagens das 3.500 restantes de 10.000 serão utilizadas para teste. Após o treinamento, combinado com os diferentes itens do questionário preenchidos pelos pacientes, as ferramentas avaliativas incluindo EASI, SCORED, POEM, pp-NRS e DLQI serão calculadas pelo modelo.

2. Desenvolvimento do aplicativo AIADMS O aplicativo suportará o sistema Android e o sistema IOS, e será projetado em duas versões para pacientes e médicos com entrada de login diferenciada. A função fundamental do aplicativo incluirá "Push", "Lembrete", "Upload", "Avaliação" e "Gerenciamento de dados".

   2.1 A função “Push” foi projetada para transmitir informações aos pacientes e equipe médica. As informações enviadas podem ser recebidas e exibidas na tela do celular mesmo se o aplicativo não estiver aberto e o celular estiver no estado de tela bloqueada, e os usuários podem definir o horário de recebimento das informações enviadas por conta própria. Por exemplo, o horário pré-determinado para acompanhamento nas clínicas será apresentado como “Você deverá consultar o médico na próxima segunda-feira, 25 de julho de 2023”. A função “Push” pode ativar o uso do aplicativo, aumentar a viscosidade dos usuários e impulsionar a utilização de outros módulos funcionais.

   2.2 A função “Lembrete” é utilizada principalmente para lembrar os pacientes de tomar remédios, enviar fotos de lesões cutâneas, autoavaliação e acompanhamento agendado.

   2.3 A função "Upload" foi projetada para ajudar os pacientes a participar do tratamento sistêmico. Eles podem enviar fotos de lesões cutâneas, descrições da evolução da DA ou questionários.

   2.4 A função “Avaliação” foi desenvolvida para fornecer informações tanto aos pacientes quanto à equipe médica. Ao enviar fotos de lesões cutâneas e preencher os diferentes itens do questionário, o aplicativo avaliará automaticamente a gravidade das lesões e calculará as pontuações EASI, POEM, PP-NRS, SCORAD ou DLQI. Esta função poderia ajudar os pacientes a saber mais sobre a sua situação da doença e a participar na autoavaliação e no autocuidado, conforme recomendado pela estratégia T2T.

   2.4 A função "Gerenciamento de dados" foi projetada para que a equipe médica possa gerenciar os pacientes de forma mais conveniente e planejar a pesquisa médica. Eles podem fazer login no site da plataforma do aplicativo para coletar e exportar dados, realizar análises estatísticas e mineração de big data. O próprio aplicativo também pode fazer estatísticas simples e gerenciamento de dados. Por exemplo, dados como pontuação EASI, POEM e PP-NRS nos momentos antes do tratamento, 2 semanas, 4 semanas, 12 semanas e 6 meses após o tratamento poderiam ser gerados automaticamente em relatórios estatísticos a serem apresentados na forma de histogramas ou curvas. O aplicativo também pode ser melhorado e atualizado para a nova versão por meio da análise dos hábitos dos usuários, e os módulos de função podem ser otimizados com a alta frequência de uso e o feedback da equipe médica e dos pacientes.

3. Eficácia e segurança do aplicativo AIADMS para melhoria dos resultados clínicos em pacientes com DA: um ensaio clínico randomizado.

Este ensaio é um ensaio unicêntrico, prospectivo, randomizado e controlado que testa a superioridade da implementação da estratégia T2T pela aplicação do aplicativo AIADMS em pacientes com DA em termos de melhora dos resultados clínicos.

Esta seria a primeira ferramenta assistida por IA para DA durante o processo de diagnóstico, gestão e acompanhamento. Fornecerá evidências sólidas para a aplicação da IA ​​na dermatologia em todo o mundo.