使用 AI 作为诊断决策支持工具帮助加泰罗尼亚初级保健中的皮肤病诊断

与任何移动设备兼容的安全匿名独立 Web 界面将与 Autoderm API 集成。 在这个项目中进行的研究将包括一项前瞻性研究，旨在评估 ML 模型的性能，将其诊断能力与全科医生和皮肤科医生进行比较。

为了进行研究，将执行以下程序，直到达到所需的样本数量：

1. 邀请有皮肤问题的合适患者参与并签署患者研究协议。
2. 全科医生会诊断皮肤状况。
3. GP（或护士）将拍摄一张高质量的皮肤状况图像。
4. GP 将按照当前工作流程将照片作为远程皮肤科咨询发送。
5. 图像被输入到 Autoderm ML 界面中。
6. 皮肤科医生将诊断皮肤状况。

该研究将在加泰罗尼亚卫生研究所管理的初级保健中心进行。 参与者 PCP 将位于加泰罗尼亚中部的农村和大都市地区，其中包括 Anoia、Bages、Moianès、Berguedà 和 Osona 地区。 纳入研究的参考人群约为 512,050 人。 未来受试者的招募将连续进行。

在获得书面知情同意后，全科医生将从符合纳入标准的连续患者中收集数据。 收集的数据将仅以病例报告表（附于附件五和六）报告。

GP 会诊断皮肤状况，并填写“GP 面对面评估”。 对于每位患者，使用智能手机相机的 GP 将拍摄皮肤问题的特写优质图像。 该图像将是匿名的，并且无法识别患者。 GP 将使用 Autoderm ML 界面上传匿名图像，并将使用 ML 模型生成的前 3 项诊断填写“ML 模型提供的评估”问卷。

为了获得第二意见，全科医生将按照当前的远程皮肤病学流程，将匿名图像和对皮肤损伤的准确描述纳入患者的病史。 全科医生在收到信息后会填写“远程皮肤病学评估”问卷，回复时间约为2-7天。

在皮肤科转诊的情况下，全科医生将通过访问可用的电子健康记录来填写“皮肤科医生亲自评估”，转诊的平均等待时间为 30 到 90 天。

所有问卷的问卷病例编号都相同，并且无法识别患者，因为病例编号将在数据收集阶段开始前预先确定。

为了将 ML 模型的性能与全科医生和皮肤科医生的性能进行比较，需要样本量为 100 张来自符合纳入标准的患者的皮肤病图像。 建议的样本量基于类似研究中使用的样本量计算。