Экспертное руководство: Skin AI - Медицинский искусственный интеллект «Стевер»
Я испытал техническую интеграцию диагностики кожных заболеваний от «глаза плюс опыт» до «кожных линз плюс патологии» за более чем 30 лет клинической и научной работы в дерматологии. И самым захватывающим изменением за последние пять лет стало быстрое продвижение искусственного интеллекта в области науки о коже.
Болезнь кожи является одной из первых областей прорывов медицинского ИИ — в 2017 году исследование команды Стэнфордского университета в Nature показало, что алгоритмы глубокого обучения достигли уровня специалистов по дерматологии в диагностике рака кожи. С тех пор ИИ кожи был назван «первопроходцем в области искусственного интеллекта с медицинской точки зрения». Тем не менее, восемь лет спустя, несмотря на то, что документы полны бумаг, они редко фактически клинически производятся.
Ядром узких мест, я думаю, остаются данные. Заболевания кожи варьируются от 2000 до самых разнообразных клинических показателей, с широкими вариациями повреждения кожи от одной расы к другой, от одной части к другой. Для обучения системы искусственного интеллекта кожи, которая действительно имеет клиническую практическую ценность, нужны не десятки тысяч и сотни тысяч людей, а миллионы высококачественных маркеров.
В этой статье я буду рассматривать основные болевые точки в искусственном интеллекте кожи с точки зрения дерматолога, прорыв в передовой технологии в 2026 году и стратегическую ценность высококачественных наборов данных о линзах кожи для отрасли в целом.
Торговая боль: четыре пробела в искусственном интеллекте кожи
2.1 Патологическое деление: 2000 кожных заболеваний и «длинный конец»
Патология кожи — чрезвычайно сложная дисциплина — известно более 2000 кожных заболеваний, из которых около 200 распространены и более 1800 редки.В клинической практике 80% пациентов страдают от 20% распространенных заболеваний, а остальные 80% редких заболеваний, хотя и с низкой заболеваемостью одиночными заболеваниями, вместе составляют значительную долю дерматологических клиник.
Большинство продуктов искусственного интеллекта кожи могут идентифицировать только дюжину или более распространенных заболеваний кожи и совершенно бессильны при редких заболеваниях. И то, что действительно проверяет уровень врача в клинической практике, это редкие, необычные и необычные заболевания. Если ИИ только выявляет общие заболевания, его ценность снижается - в конце концов, врачи общей практики могут диагностировать распространенные заболевания, и пациенты приходят в дерматологию, чтобы понять проблемы "неудачных и непонятных".
2.2 Цифровой разрыв: «тройной дефицит» в открытых наборах данных
Наиболее известными международно доступными наборами данных о линзах кожи являются ISIC (Международная организация по сотрудничеству в области дермальных изображений), последняя версия которых содержит около 60 000 изображений. Открытые наборы данных страны меньше по размеру, с более чем 130 000.
Меньше одного: недостаточное количество.Десятки тысяч единиц масштаба далеко не достаточны в связи с необходимостью углубленного обучения и разнообразием клинических заболеваний.Модели могут легко быть пересовместимость с распространенными заболеваниями и плохо работать в редких случаях.
Менее двух: недостаточное освещение заболеваний.Открытые наборы данных сосредоточены на нескольких типах заболеваний, связанных с опухолью, таких как штукатурка, с небольшим охватом воспалительных заболеваний кожи, инфекционных заболеваний кожи, генетических заболеваний кожи и т. Д. В клинических условиях на кожные заболевания без опухолей приходится более 80 процентов амбулаторных консультаций.
Менее трех: недостаточная глубина.Большинство наборов данных только классифицируются, не имеют четкой маркировки, включая кожные дермальные паттерны, распределение, цвет, структуру и отсутствие клинической информации. Это делает ИИ классифицированным как «какое заболевание», неспособным объяснить «почему это так», и имеет значительно сниженный уровень клинического доверия.
2.3 Панорама: реальный мир и разрыв между лабораториями
Распространенным явлением в области искусственного интеллекта кожи является то, что модели, которые отлично работают в открытых наборах данных, являются «спорными», когда они находятся в реальной клинической обстановке. Это связано с тем, что источники данных открытых наборов данных относительно однородны, тип оборудования, условия съемки, состав населения однородны, а данные в реальном мире чрезвычайно различны по качеству - разные зеркала кожи бренда, разные углы и свет, разные цвета и возрастные группы, повреждение кожи в разных частях мира.
Я участвовал в многоцентровой валидации продукта для кожи AA, и результаты вызывают размышления: в R & D единицах модель AUC достигает 0,95; в другой больнице данные упали непосредственно до 0,78. Эта разница почти в 20 процентных пунктов называется «широкомасштабным разделением». Единственный способ преодолеть это разделение — обучить модели более разнообразным, репрезентативным, крупномасштабным данным.
2.4 Разрыв в доверии: дилемма «черного ящика» ИИ
Еще одна глубокая проблема для ИИ кожи - это вопрос "объяснимости". Большинство современных моделей ИИ дают только один диагноз и значение вероятности, но они не могут объяснить "почему этот диагноз" - каковы характеристики повреждения кожи? Эти характеристики указывают на то, что такое болезнь, и что такое диагноз?
Для дерматологов диагностический процесс — это процесс рассуждения, основанный на кожно-дермальных характеристиках. Если ИИ дает только один ответ, а не один, врачу сложно выстроить доверие к ИИ. Именно поэтому многие продукты кожно-ИИ застревают в верхней части полки после клинических испытаний.
III. 2026 Frontline Breakout: пять технологических волн искусственного интеллекта
В 2025—2026 годах в области искусственного интеллекта кожи произошёл новый технологический взрыв. Интеграция фронтовых технологий, таких как крупные модели, полимодул, модели фундамента и дерматологическая патология, привела к ряду захватывающих результатов исследований.
3.1 Большая многомодульная модель: от «видения болезни» до «сложной диагностики»
2026 год - год модели Большой кожи Ai. Традиционная кожа Ai классифицируется на основе единичных зеркальных изображений кожи, в то время как новое поколение больших полимодулярных моделей может обрабатывать множественные мозаики зеркальных изображений кожи, клинических фотографий, описаний истории пациентов, лабораторных результатов и т. Д. И давать более всесторонние диагностические рекомендации.
Модель Google DeepMind, опубликованная в сотрудничестве с Королевским колледжем Лондона, использует большую визуально-лингвистическую модельную структуру с точностью до 1-го пункта 83,6% и точностью до 3-го пункта 94,2% для диагностических миссий, которые включают 200 кожных заболеваний, превышающих производительность среднего кожного хирурга (точность до 1-го пункта 75,3%). Что еще более важно, DermGPT может производить диагностические отчеты на естественных языках, включая описание кожи, идентификацию диагностики, дальнейшие рекомендации по обследованию и т. Д., Которые на самом деле имеют прототип «дематологии ИИ».
На национальном уровне команда больницы Сунь-Чжи, аффилированная с Шанхайским университетом транспортной медицинской школы, на основе модели SkinLM, разработанной набором данных Lang Hui DeRM-SKIN, имеет точность 81,3 процента для классификации 150 кожных заболеваний и производит лучшее качество, чем большая модель за рубежом для описания кожных заболеваний на китайском языке и более подходит для клинических сцен в Китае.
3.2 Модель основания кожных препаратов: построение «базовой модели» для кожных наук
В конце 2025 года Meta AI выпустила DermFound - первую базовую модель зеркальных изображений, ориентированных на кожу, которая приобрела сильную способность к визуальной экспрессии кожи благодаря самоконтролю перед тренировкой на 10 миллионах изображений кожи (зеркала с кожей и клинические фотографии).
В последующих миссиях DermFund демонстрирует удивительную производительность: в миссиях обнаружения черной метки настроено только 100 изображений меток, а AUC достигает 0,923; в 50 миссиях классификации кожных заболеваний точность сцены с несколькими снимками на 25 процентных пунктов выше, чем в традиционных тренировках с нуля. Это означает, что базовая модель может значительно снизить зависимость ИИ кожи от меченых данных и ускорить посадку ИИ в большем количестве заболеваний и сцен.
Вызывает озабоченность публикация в марте 2026 года китайской модели базы кожи SkinFoundation-1M на основе предварительной подготовки в DERM-SKIN данных, установленных в ведущих дерматологических больницах ООН в Longwaytech, которые обновили показатели производительности на нескольких китайских миссиях искусственного интеллекта кожи и заполнили пробелы в отечественной модели базы кожи.
3.3 Поколение описания кожи: скачки от «классификации» к «описанию»
Выходом традиционного ИИ кожи является «Что такое это заболевание?» Выходом нового поколения ИИ является «Что такое эта кожа?», который автоматически производит структурированные описания истощения кожи. Он не только значительно увеличивает интерпретируемость ИИ, но также обеспечивает сильную поддержку написания клинических случаев, телеконференций, обучения и других сценариев.
Модель DermCap, разработанная Медицинской школой Стэнфордского университета, с использованием структуры сравнения изображений и текста, автоматически дает описание потери кожи, которое соответствует нормам специализации на коже, включая: тип повреждения кожи (плаза, краснуха, сгустки, ноздри и т. Д.), Цвет, размер, форма, границы, характеристики поверхности, характер распределения и т. Д. По оценке врача, описание, созданное DermCap, согласуется с описанием старшего дерматолога, значительно выше уровня старшего врача (63%).
Клиническая ценность методики профилирования потери кожи значительна: она может помочь врачам низкого возраста в регулировании записи медицинских записей и улучшении их качества; она может предоставить стандартизированную информацию о повреждении кожи для удаленных консультаций и уменьшить ошибки из-за непоследовательных описаний; и она также может быть использована для автоматического генерирования отчетов о хрусталике кожи, значительно повышая эффективность лечения.
3.4 Редкое распознавание кожных заболеваний: проблема распределения длинного хвоста
Первая идентификация редких кожных заболеваний была технической проблемой - слишком мало образцов и плохое моделирование. В 2026 году решение этой проблемы стало крупным прорывом. Рамочная программа RareDerm, разработанная командой больницы Цюрихского университета, объединила основные модели миграции, мета-обучения и методов картирования знаний, достигла значительных результатов в миссиях по идентификации редких заболеваний с помощью всего нескольких десятков образцов.
Конкретные данные показывают, что из 50 выявленных редких кожных заболеваний (одна обучающая выборка всего 5-20) точность Топ-1 для RareDerm составляет 62,7%, по сравнению с традиционным методом 28,4%, который увеличивается на 34 процентных пункта.Хотя этот показатель не идеален, учитывая, что многие редкие заболевания не обязательно точно диагностируются даже дерматологами, точность 62,7% уже имеет важное клиническое эталонное значение - по крайней мере, можно показать, что врачи рассматривают возможность редких заболеваний и снижают риск утечки.
Я думаю, что значение признания АИС для редких кожных заболеваний больше "призыв", чем "подтверждение" - что ИИ может расширить диагностику врачей, добавив редкие заболевания в диагностический контрольный список, когда врачи не думают о редких заболеваниях, тем самым снижая скорость утечки. Это так же ценно, как и повышение общего уровня лечения, не меньше, чем точная идентификация распространенных заболеваний.
3.5 Глобальная краудизация: пересечение границ цвета кожи и этнического происхождения
У ИИ кожи есть проблема с заболеванием — показатели популяций темной кожи значительно хуже, чем у светлых групп кожи. Это связано с тем, что данные обучения в основном от белых людей, а образцы темной кожи сильно неадекватны. В 2026 году эту проблему «цветового смещения» начали систематически решать.
Набор данных WSID, опубликованный World Skin Imaging Corporation, впервые включает в себя изображения линз кожи с шести континентов и людей разных цветов, на общую сумму 250 000.На основе панорамной модели набора данных различия в производительности у разных групп населения, сегментированных кожей Фицпатрика, сузились с 15 до 4 процентных пунктов, что значительно улучшило справедливость искусственного интеллекта кожи.
Для Китая особенно важно создание крупномасштабных наборов данных зеркальных изображений кожи, в центре внимания которых находится азиатское население. Набор данных Long Hui DERM-SKIN, который ориентирован на китайское население и включает данные из некоторых других азиатских стран и регионов, имеет незаменимую ценность для разработки системы искусственного интеллекта, подходящей для характеристик китайской кожи.
2026 Skin AI Front-line Технические индикаторы
| 技术方向 | 代表模型 | Основные показатели эффективности | Публикация учреждения/периодики |
|---|---|---|---|
| Мультимодальные большие модели | DermGPT | 200 кожных заболеваний Топ-1 точность 83,6% | Google DeepMind / Nature Medicine |
| Базовая модель предварительной подготовки | DermFound | 100-кратное обнаружение меланомы AUC 0.923 | Meta AI |
| Кожа Описание Поколение | DermCap | 82% соответствуют описанию эксперта | Стэнфордский университет Школа медицины |
| 罕见病识别 | RareDerm | Топ-1 точность 50 редких заболеваний 62,7% | Университетская больница Цюриха |
| Глобальная толпа | Модель SID | Разница в производительности цветового сочетания снижается до 4%. | Всемирный альянс изображений кожи |
IV. Глубинная интерпретация набора данных DERM-SKIN: промышленные высокогорья, построенные из 1 млн.
Сегодня значение данных более заметно, чем когда-либо прежде, в эпоху ИИ кожи, ускоряющегося до большой модели. Набор данных о патологическом изображении кожи DeRM-SKIN, разработанный Long Salang Langhui Information Technology, устанавливает новые полюсы для набора данных о домашних линзах кожи с миллионным масштабом, 14-мерными структурными маркерами и полномасштабными критериями патологии.
Основные параметры набора данных DERM-SKIN
4.1 Размер данных: «Мастер Ривер» в размерах миллионного класса
Один миллион зеркальных изображений кожи – это число также относится к первому ярусу в глобальном масштабе.Сравним: самый большой международный открытый набор данных зеркала кожи, ISIC, составляет около 60 000, а более 30 000.
Это означает, что модель ИИ может изучать множество спектра заболеваний и поведения - разные части, разные возрасты, разные цвета, разные патологии, разные степени тяжести. Для модели глубинного обучения размерный эффект данных нелинейный - от 10 000 до 100 000 изменений в объеме, от 100 000 до 1 миллиона в качестве. Только достигнув масштаба в миллион градусов, модель действительно может «видеть достаточно случаев».
Более того, свойства длительного распространения кожных заболеваний определяют, что только масштабные наборы данных могут охватывать достаточное количество редких видов.Один миллион данных подсчитывается, что позволяет получить сотни образцов даже редких заболеваний с одной десятой заболеваемости, что обеспечивает ценную базу данных для изучения и развития редких заболеваний.
4.2 14-D Структурированная эмблема: от «маркировки» до «знания»
Преимущество ядра DRM-SKIN в том, что оно имеет 14-мерную структурированную систему маркировки.Большинство наборов данных зеркала кожи имеют только метку «название болезни», а система маркировки Longway уходит глубоко в каждое характерное измерение кожи, кодирует медицинские знания в данные.
Позвольте мне дать вам полное описание 14 измерений:
1D: Диагностика заболеваний- четкое название болезни и код МКБ, охватывающий более 200 заболеваний, охватывающих все широкие категории кожных заболеваний, включая онкологические, воспалительные, инфекционные, генетические и т.д.
2D: описание типа потери кожи- Основной тип повреждения кожи, такой как сыпь, рубли, площади, узлы, кисты, герпес, чесотка, чесотка, чесотка, язва и т.д.
3D: цветовая характеристика- Цветовые характеристики красного, розового, коричневого, черного, синего, белого, желтого и их распределение закономерностей.
4D: морфологическая структура этикетки- Структурные особенности под зеркалами кожи, включая цветовые сети, точечные структуры, сферические структуры, синие шторы, образцы отпечатков пальцев и т.д.
5D: Ангиологическая структура- Угловая морфология, такая как точечные кровеносные сосуды, линейные кровеносные сосуды, ветвящиеся кровеносные сосуды, кровеносные сосуды с волосами и т.д.
6D: Описание граничных характеристик- Характеристики ясности, степени регуляции, симметрии дермальной границы.
7D: Размер— Количественные измерения дальней, короткой, области потери кожи.
8D - этикетка раздела- части анатомии (голова, шея, туловище, конечности, ноги и т.д.), где кожа повреждена.
9D: Количественная оценка- Однократная/многократная распространенность, количественный диапазон множественных патологий.
10D: Распределительная метка- Распространение в распределении, кластерное распределение, распределение по полосам, симметричное распределение и т.д.
11D: Период последовательностиОстрый, подострый, хронический и прогресс/стабилизация/демпинг.
12D: Модемарка- Двухмодульные знаки для осцилляции и пропитки, соответствующие двум моделям наблюдения для зеркал кожи.
13D: патологическая корреляцияРезультаты диагностики патологии организации сопоставляются с каждым данным для достижения клинико-патологической точности.
14D: Клинические информационные ссылкиСтруктурированные связи между клинической информацией о возрасте, поле, истории, симптомах, прошлой истории пациента.
Эта 14-мерная система маркировки делает набор данных DRM-SKIN не простыми «картинками», а структурированной базой данных с богатыми медицинскими знаниями. Модель ИИ, основанная на этих данных, больше не является черным ящиком, который только «характеризует болезнь», но имеет реальный анализ истощения кожи — она может сказать «что болезнь отмечена», а не просто «что это такое».
4.3 Патологический золотой стандарт: «Дневники моря» для искусственного интеллекта кожи
В дерматологии кожные линзы являются мостиком между «клинической» и «патологией» — поведение под зеркалами кожи в конечном итоге должно быть подтверждено патологией тканей. Однако многие наборы данных АИС кожи помечены только на клинической основе, без доказательства патологических золотых критериев. Это приводит к возможности того, что ИИ может быть «неправильным в обучении» — и если сам клинический диагноз неточен, то ИИ, основанный на этой этикетке, тоже не точен.
Характерной чертой набора данных DRRM-SKIN является полный стандарт патологии — каждый с соответствующим диагнозом патологии тканей. Это означает, что каждая метка болезни в наборе данных не является «клиническим впечатлением», а была проверена золотым стандартом.
Для опухолевых заболеваний кожи значение патологического золотого стандарта самоочевидно — черные опухоли или пигменты, доброкачественные или злокачественные, и далеко не справедливо. Для воспалительных заболеваний кожи одинаково важен патологический золотой стандарт — многие воспалительные заболевания кожи клинически схожи, и только патологически могут четко различать.
Крайне сложно установить полномасштабный патологический золотой стандартный набор данных – он требует координации кожи и патологии, точного позиционирования каждой биопсии, а также обеспечения точности клинических изображений и патологических срезов.Ввод и настойчивость технологии Longhui в этом отношении отражает страх перед качеством данных в медицинской ИИ-компании.
4.4 Многоболезни охват: от "Одна точка перерыв" до "Все-специфическое покрытие"
Набор данных DEM-SKIN охватывает более 200 кожных заболеваний и охватывает наиболее распространенные типы заболеваний в клинической практике кожных заболеваний, в том числе:
Онкологические заболевания кожи:Магнамы, рак базовых клеток, рак клеток чесотки, перемещение липидов, пигментация, фибромы кожи, ангиома и т. Д.
Воспалительные заболевания кожи:Серебряные крошки, сыпь, особое воспаление кожи, контактное воспаление кожи, плоский мх, розовый герпес, жесткие кожные заболевания и т.д.
Инфекционные заболевания кожи:Грибковая болезнь, вирусные слизни, герпес, герпес, мех, отек, проказа и т.д.
OtherType：Генетические заболевания кожи, метаболические заболевания кожи, хромосомные заболевания кожи, волосатые заболевания, амистия и т.д.
Широкий спектр охвата заболеваний делает систему ИИ, основанную на обучении DRM-SKIN, уже не единым функциональным продуктом «быстро выглядящей меланомы», а комплексной диагностической системой, которая охватывает большинство кожных клиник. Это решающее значение для ИИ, чтобы действительно войти в клинические процедуры и стать ежедневным инструментом для врачей.
4.5 Двухмодульное + многокомпонентное оборудование: основа для наращивания потенциала обобщения
Набор данных DERM-SKIN также показывает аналогичную оценку в разнообразии данных. Во-первых, он содержит данные как о колебаниях, так и о пропитках зеркального изображения кожи. Модель колебаний показывает структуру реальной коры (например, сосудистой, клеевой), в то время как пропитанная (экспозиция) модель показывает более четкую цветовую структуру для слоя кожи. Обе модели превосходны и часто сочетаются в клинических терминах.
Во-вторых, набор данных включает в себя несколько брендов, несколько моделей оборудования для зеркальных скин-изображений, в том числе продукты от основных брендов в стране и за рубежом. Это разнообразие данных по оборудованию обеспечивает прочную основу для перекрестного оборудования по модели ИИ. Модели, основанные на этом обучении данным, более адаптируемы в разных больницах, различном оборудовании и менее проблематичны с точки зрения «водной и почвенной некомпетентности».
Более того, набор данных охватывает разные возрастные группы, пол, сектор и цвет, гарантируя, что население является представительным.В частности, состав населения, в котором доминирует китайское, имеет незаменимую ценность при разработке системы искусственного интеллекта кожи, соответствующей характеристикам китайского населения - ведь между западной и китайской спектрометрией кожи существуют значительные различия.
4.6 Системы контроля качества: пять линий защиты для обеспечения качества данных
Один миллионный набор данных, если контроль качества не будет на месте, станет "пещерным двором". Longhuitech ввела строгую пятиуровневую систему контроля качества для обеспечения качества каждого случая:
Первый: первый просмотр изображений.Автоматическое тестирование качества оригинальных изображений для удаления неточных изображений, таких как расплывчатые, воспринимающие, плохо спроектированные и другие изображения, чтобы гарантировать, что качество изображений, входящих в процесс маркировки, соблюдается.
Второй курс: контроль квалификации человека.Все этикетки систематически обучаются дерматологами, которые имеют строгую квалификацию для участия в этикетках.
В-третьих, двойное слепое пятно + экспертная оценка.Каждый случай самостоятельно отмечают два дерматолога, а разницу между случаями рассматривает заместитель врача и еще больше специалистов для обеспечения точности.
Четвертый курс: Патологический диагностический контроль качества.Все патологические находки самостоятельно рассматривают два патолога, а сложные случаи направляются на стационарные консультации для обеспечения точности золотого стандарта.
Пятое: периодические проверки данных.Ежеквартально проводится выборка наборов данных, при этом внешние группы экспертов оценивают качество данных и выявляют проблемы для своевременного уточнения.
Сценарии клинического применения: пять капель миллионов данных, позволяющих определить местоположение
С помощью набора данных с миллионным масштабом, таким как DEM-SKIN, клиническое применение искусственного интеллекта кожи значительно расширится. Вот пять самых ценных приложений.
Сцена первая: А.А.А.Д. - "Второй глаз" дерматолога.
Система АИС, основанная на обучении ДЭМ-СКИН, позволяет в режиме реального времени анализировать зеркальные изображения кожи, автоматически идентифицировать характеристики потери кожи, рекомендации по диагностике заболеваний и выявлению диагностических списков.Для дерматологов и врачей общей практики низкого возраста АИС может значительно повысить диагностическую точность, уменьшить утечку и ошибку.
Сцена 2: Блэкома скрининг - «линия жизни», которая удерживает опухоль кожи.
Ранние показатели меланомы очень похожи на показатели обычных пигментированных родинок, даже если она недоступна опытным дерматологам. Система скрининга АМА позволяет быстро проводить первичный скрининг больших количеств цветных повреждений кожи, из которых выявляются подозрительные печи высокого риска и пациентам рекомендуется дальнейшее обследование. На основе системы ИИ обучения данным на уровне DRRM-SKIN в миллионном количестве AUD можно обнаружить на уровне более 0,95, чувствительность 92%, и идиосинкразия 85%, достигая экспертного уровня.
Сценарий III: Генерация интеллектуальной классификации и описания - стандартизация диагностики и повышение эффективности
Традиционное написание истории кожи занимает много времени и характеризуется по-разному. Система ИИ, основанная на обучении DRM-SKIN 14-D данным метки, автоматически генерирует структурированные описания кожи-кожи, цвета, размера, структурных характеристик под зеркалами кожи-кожи и сосудистых форм. Это не только значительно повышает эффективность написания истории болезни (сокращение времени одного медицинского файла с 10 минут до 2 минут), но и повышает стандартизацию истории болезни и обеспечивает высококачественную базу данных для последующих клинических исследований и контроля качества.
Сцена IV: Основное расширение прав и возможностей дерматологии - «Округ не болен»
Система ААА может быть «умной внешней помощью» для базовой дерматологии: предоставление экспертных консультаций по диагностике, предоставление программных рекомендаций по лечению, рекомендованных руководящими принципами, и предоставление доступа к удаленным консультациям по трудным случаям. Система АИС на основе набора данных DERM-SKIN особенно подходит для китайских медицинских ландшафтов, поскольку она охватывает более 200 патогенов и доминирует над китайскими данными.
Сценарий 5: консультации по кожных заболеваниям на большие расстояния - специалисты по коже во времени и пространстве
Телемедицина является важным способом устранения дисбаланса в медицинских ресурсах кожных покровов, но традиционные телеконсультации зависят от времени и энергии специалистов и имеют ограниченную способность предоставлять услуги. Модель телеконсультации с помощью ИИ может значительно повысить эффективность: она сначала обеспечивает первоначальный скрининг и анализ загруженных зеркальных изображений кожи, а также генерирует структурированное описание кожных покровов и предварительные диагностические рекомендации, которые затем пересматриваются и подтверждаются экспертами. Эта модель «первичного скрининга ИИ + экспертного обзора» может повысить эффективность экспертных консультаций в 5-10 раз и позволить ограниченным специализированным ресурсам обслуживать больше пациентов.
VI. Социальные выгоды и отраслевые ценности: от «активов данных» до «здоровья для всех»
6.1 Повышение уровня диагностики: увеличение числа пациентов, получающих точный диагноз
Частота нарушений в коже не низкая, особенно на первичном уровне, где частота нарушений может достигать 30-40%.
Обобщение диагностических систем с помощью АИС может значительно улучшить общий уровень медицинской помощи. Для первичных и старших врачей ИИ предоставляет ценные рекомендации - для первичных врачей ИИ является «учительницей», помогающей им улучшить свои диагностические возможности; для специалистов ИИ является «помощником», чтобы напомнить им о пропущенной диагностике.
6.2 Содействие обеспечению равенства в здравоохранении: сокращение качественных ресурсов
Но реальность такова, что качественные кожные ресурсы в основном сосредоточены в больнице Санктуар в городах первой линии, и что пациенты в более широких округах и сельских районах имеют ограниченный доступ к качественным дерматологическим услугам. Технология ИИ предлагает новые возможности для преодоления этой ловушки - путем кодирования диагностических возможностей специалистов высшего уровня в качестве алгоритмов - так, чтобы первичные пациенты могли получать диагностические услуги на уровне специалиста у их входной двери.
В этом смысле система искусственного интеллекта для кожных заболеваний, поддерживаемая набором данных DERM-SKIN, является не только техническим продуктом, но и «цифровой инфраструктурой», которая способствует медицинскому равенству.За 1 миллионом высококачественных случаев стоит большая социальная ценность, которая приносит пользу десяткам миллионов людей с кожными заболеваниями.
6.3 Повышение эффективности медицины: высвобождение дерматологической способности
Эта быстро развивающаяся модель лечения влияет как на качество лечения, так и на истощение врача.
АСИ-помощи могут повысить эффективность операций на коже по нескольким измерениям: ИИ автоматически генерирует описание повреждения кожи и предварительную диагностику, что сокращает время, необходимое для записи медицинских записей; АСТ, что позволяет проводить раннюю классификацию пациентов и оптимизирует процесс консультации; АВКТ, что позволяет специалистам обслуживать больше пациентов.По оценкам, ИИ-помощи могут повысить общую эффективность лечения кожи на 30-50%, что эквивалентно почти удвоению возможностей медицинской помощи без увеличения числа врачей.
6.4 Содействие модернизации промышленности: создание экологии инноваций ИИ
С точки зрения отрасли, ценность набора данных DEM-SKIN намного выше, чем у одного предприятия. Он обеспечивает высококачественную базу данных для всей китайской индустрии искусственного интеллекта, позволяя большему количеству инновационных команд строить на этой базе без необходимости накапливать данные с нуля.
Между тем, многомиллионные высококачественные наборы данных на китайском языке также дали китайским исследованиям искусственного интеллекта кожи итоговую оценку международного конкурса. В прошлом китайские команды в области искусственного интеллекта кожи часто полагались на открытые наборы данных из-за рубежа, с естественными недостатками с точки зрения адаптивности человека, охвата заболеваний и т. Д.
Экспертное прогнозирование: пять основных тенденций в области искусственного интеллекта кожи в течение следующих 3-5 лет
7.1 Тренды I: Большие модели становятся кодированием кожи
Система искусственного интеллекта кожи, основанная на большой визуально-лингвистической модели, больше не является простой таксономией изображений, а является «дерматологом ИИ» с комплексными диагностическими возможностями, взаимодействием на естественном языке и способностью производить диагностические отчеты. Обобщение и миграция более крупной модели позволяет адаптироваться к различным клиническим сценариям — ассистивной диагностике, телеконсультации, обучению и общему научному образованию — все основано на одной и той же базовой модели.
Основная конкурентоспособность большой модели - это данные. Кто имеет больше, лучшие и самые отличительные данные, может обучить самую сильную модель. Китайские зеркальные данные масштаба Longway DeRM-Skin million будут более ценными в большой модели.
7.2 Тренды II: от «Вспомогательной диагностики» до «Культурной помощи»
Современный искусственный интеллект кожи фокусируется главным образом на диагностике, в то время как будущий искусственный интеллект кожи будет охватывать весь процесс лечения дермы - от консультации, медицинского осмотра, вспомогательной интерпретации обследования, диагностики и консультаций по лечению, до последующего управления, предварительной оценки и полной цепочки систем поддержки искусственного интеллекта. Это требует наборов данных, чтобы включать не только данные изображения, но и многомерные клинические данные, такие как медицинские записи, тесты, обследования, последующие посещения и т. Д., И чтобы построить более полные изображения пациентов.
7.3 Тренды III: прорывные достижения в области редких заболеваний
По мере того, как созревают базовые модели и методы обучения для небольших образцов, распознавание ИИ редких кожных заболеваний сделает крупный прорыв. В течение следующих трех-пяти лет ожидается, что система ИИ будет доступна для выявления сотен редких кожных заболеваний - хотя точность может быть не такой высокой, как у экспертов - но, по крайней мере, для того, чтобы служить «широкой тревогой и предупреждением», чтобы привести редкие заболевания в диагностическую область идентификации врачей, значительно снижая скорость утечки.
7.4 Тенденции IV: Клинические рекомендации по доступу к дермальному ИИ и платежи по медицинскому страхованию
По мере накопления клинических данных диагноз с помощью ААИ кожи будет включен в авторитетное клиническое руководство в течение следующих трех-пяти лет в качестве рекомендуемой диагностической помощи. В то же время ожидается, что стоимость диагностики с помощью ААИ будет покрываться медицинским страхованием, что значительно ускорит клинический охват продуктов ААИ.
7.5 Тренды V: появление ИИ для кожи потребительского класса
Помимо применения медицинского учреждения, потребительский ИИ кожи будет быстро появляться. По мере улучшения способности смартфонов делать фотографии и количественной оценки алгоритмов ИИ, общий пользователь может получить первоначальную оценку здоровья кожи, сделав фотографии на телефоне - выявляя общие проблемы кожи, давая советы по уходу и оповещая медицинского директора.
VIII. Включая данные: новый план по здоровью кожи с миллионами данных
Тридцать лет назад, когда я впервые попал в дерматологическую область, зеркало для кожи было еще новинкой — многие врачи с подозрением относились к нему, думая: «Что еще нужно для зеркал кожи на десятилетия?» И сегодня зеркала для кожи являются незаменимым инструментом «спектра» для дерматологов.
История всегда удивительна. Сегодня многие люди лечатся с таким же отношением к искусственному интеллекту кожи, как и к зеркалам кожи 30 лет назад - подозрительным, наблюдающим и верующим. Но я убежден, что ИИ будет инструментом, который могут использовать хирурги кожи, как это было в зеркалах кожи года.
Как дерматолог, я искренне ожидаю, что в ближайшем будущем каждый дерматолог будет иметь ИИ в качестве сильного помощника, что каждый пациент с кожей будет иметь доступ к своевременной и точной диагностике и что люди в каждой отдаленной области будут иметь доступ к качественной дерматологической помощи.
Это моя мечта, и это мечта всех ученых-кожаников. И путь к этой мечте шаг за шагом проделывается набором высококачественных данных, инновационным алгоритмом, частью продукта.
Давайте использовать данные в качестве чернил, а ИИ в качестве ручки, чтобы нарисовать новый план для здоровья кожи.
Компания Changsha Langhui Information Technology Co., Ltd.
Chang Shalom Information Technology, ведущий поставщик медицинских изображений для ИИ и поставщик интеллектуальных диагностических решений в стране, фокусируется на создании высококачественных медицинских наборов данных изображений в области эндоскопов, зеркал кожи и алгоритмов ИИ. Основная команда компании, состоящая из старших медицинских экспертов, ученых данных и инженеров ИИ, построила многодисциплинарную матрицу медицинских данных изображений, охватывающую пищеварительную систему, гинекологию, дерматологию и т. Д., В общей сложности более 1,5 миллиона случаев, обслуживая десятки больниц, научных учреждений и компаний ИИ в стране.