AI-app för hantering av atopisk dermatit

Projektet kommer att utföras vid avdelningen för dermatovenereology, West China Hospital vid Sichuan University. Protokollet kommer att godkännas av den biologiska-medicinska etiska kommittén vid West China Hospital vid Sichuan University, och skriftligt informerat samtycke kommer att erhållas från alla deltagare innan vi tar bilder av hudskadorna och innan vi rekryterar dem i kliniska prövningar.

1. Automatisk upptäckt och utvärdering av AD baserad på AI djupinlärning 1.1 Datauppsättning av atopisk dermatit Datauppsättningen kommer att upprättas från mer än 10 000 kliniska bilder av AD-patienter för AI-djupinlärning. Bilder av låg kvalitet kommer att exkluderas, och bilderna som innehåller den omgivande bakgrunden kommer att beskäras så att de bara inkluderar AD-lesioner.

   1.2 Märkning av de kliniska tecknen på hudskador Märkningen kommer att kompletteras av tre certifierade hudläkare och tre utbildade algoritmingenjörer. Hudläkarna kommer att märka de kliniska tecknen inklusive erytem, ​​papulation, ödem, vätskande, excoriation, lichenification och torrhet, och svårighetsgraden av varje tecken kommer att utvärderas och märkas på en fyrgradig skala (0: ingen, 1: mild, 2: måttlig och 3: svår). Resultatet av varje kliniskt tecken i en bild kommer att märkas som ett exempel på erytem-2, ödem-2 eller sipprar-3. Efter att ha märkt bilderna verifierar hudläkare och algoritmingenjörer kvaliteten på de märkta bilderna från både kliniska regler och märkningsregler och korsvaliderar riktigheten av tecken och svårighetsgrad. Bilder som uppfyller kraven kommer att användas för modellträning. Under märknings- och modellutbildningsprocessen kommer den relevanta personalen att vara omedveten om all privat patientinformation.

   1.3 Modellutbildning Modellutbildningen kommer att genomföras efter märkning av bilderna.

   En exakt och effektiv semantisk segmenteringsmodell kommer att tränas för att särskilja onormala hudskador för att identifiera alla kliniska tecken. En snabb och exakt hudsegmenteringsmodell på pixelnivå kommer att tränas för att bestämma förhållandet mellan lesionsområdet och det totala hudområdet. Dessutom kommer en effektiv och praktisk metod att omvandla det segmenterade hudskadområdet till verkliga hudareaenheter skapas för att uppnå den exakta återställningen av den verkliga storleken så mycket som möjligt från förvrängningen av hudskadan på grund av skjutavståndet, vinkeln, eller automatisk förbättring. Datauppsättningen kommer att delas upp för utbildning, validering och testning. Bilder på 6 500 av 10 000 kommer att användas i utbildning och validering av den föreslagna modellen, och bilder på de återstående 3 500 av 10 000 kommer att användas för testning. Efter träning, i kombination med de olika frågeformulären som fylls i av patienterna, kommer de utvärderande verktygen inklusive EASI, SCORED, POEM, pp-NRS och DLQI att beräknas av modellen.

2. Utveckling av AIADMS-appen Appen kommer att stödja Android-systemet och IOS-systemet, och den kommer att utformas som två versioner för både patienter och läkare med den distingerade inloggningsingången. Appens grundläggande funktion kommer att inkludera "Push", "Påminnelse", "Ladda upp", "Utvärdering" och "Datahantering".

   2.1 "Push"-funktionen är utformad för att överföra information till patienter och medicinsk personal. Den pushade informationen kan tas emot och visas på mobiltelefonens skärm även om appen inte är öppen och mobiltelefonen är i låst skärmläge, och användarna kan ställa in tidpunkten för att ta emot den pushade informationen själva. Till exempel kommer den förutbestämda tidpunkten för uppföljning på kliniker att presenteras som "Du bör komma till läkaren nästa måndag, den 25 juli 2023". Funktionen "Push" kan aktivera användningen av appen, öka användarnas viskositet och driva användningen av andra funktionsmoduler.

   2.2 Funktionen "Påminnelse" används huvudsakligen för att påminna patienterna om att ta medicin, ladda upp foton av hudskador, självutvärdering och planerad uppföljning.

   2.3 Funktionen "Ladda upp" är utformad för att hjälpa patienter att delta i den systemiska behandlingen. De kan ladda upp sina bilder av hudskador, beskrivningen av utvecklingen av AD eller frågeformulär.

   2.4 Funktionen "Utvärdering" är utvecklad för att ge information till både patienter och medicinsk personal. Genom att ladda upp foton av hudskador och fylla i de olika frågeformuläret kommer appen automatiskt att utvärdera svårighetsgraden av lesioner och beräkna EASI-, POEM-, PP-NRS-, SCORAD- eller DLQI-poängen. Denna funktion kan hjälpa patienter att veta mer om sin sjukdomssituation och ta del av självutvärdering och egenvård enligt T2T-strategin.

   2.4 Funktionen "Datahantering" är utformad för att medicinsk personal ska kunna hantera patienterna mer bekvämt och utforma den medicinska forskningen. De kan logga in på appplattformens webbplats för att samla in och exportera data, utföra statistisk analys och big data mining. Appen i sig kan också göra enkel statistik och hantering av data. Till exempel kan data som EASI, POEM och PP-NRS poäng vid tidpunkterna före behandling, 2 veckor, 4 veckor, 12 veckor och 6 månader efter behandling automatiskt genereras till statistiska rapporter för att presenteras i form av histogram eller kurvor. Appen kan också förbättras ytterligare och uppdateras till den nya versionen genom analys av användarnas vanor, och funktionsmodulerna skulle kunna optimeras med den höga användningsfrekvensen och feedback från både medicinsk personal och patienter.

3. Effektivitet och säkerhet för AIADMS-appen för förbättring av de kliniska resultaten hos AD-patienter: en randomiserad kontrollerad studie.

Denna studie är en enkelcentrerad, prospektiv, randomiserad kontrollerad studie som testar överlägsenheten av implementeringen av T2T-strategin genom tillämpning av AIADMS-appen på patienter med AD när det gäller förbättring av kliniska resultat.

Detta skulle vara det första AI-stödda verktyget för AD under processen för diagnos, hantering och uppföljning. Det kommer att ge solida bevis för tillämpningen av AI i dermatologi över hela världen.