安徽医科大学第一附属医院  肖风丽

白癜风是一种常见的获得性色素脱失性疾病，可分布在皮肤、黏膜和毛发等任何部位，在临床上分为4型，其诊断主要依据病史、临床表现、伍德灯、皮肤镜等，必要时进行病理检查，主要依赖于皮肤科医生个人经验和专业设备，同时需和其他色素减退及脱失性疾病相鉴别。白癜风严重程度是选择治疗方案的依据，常用评价指标如白癜风面积评分指数（VASI）或数字成像结合医学图像处理软件手动计算皮损面积，这些方法复杂且耗时。

人工智能（AI）近年来逐渐应用于皮肤病诊断和病情评估，主要通过深度学习模型，如卷积神经网络、残差网络、U-Net等模型进行皮肤图像分析，通过对模型反复训练，相关指标优化，获得最优模型应用于临床，包括皮肤肿瘤、炎症性皮肤病、甲癣、白癜风等的诊断，以及痤疮和特应性皮炎的病情评估。在白癜风方面，中国、美国、新加坡等国家通过收集临床图片采用不同模型进行训练，进行白癜风诊断和色度评估，与国外研究相比，我们国家的研究使用的样本量更大，部分参数更优，主要问题是大部分研究为诊断的二分类变量，面积和色度综合评估的较少。

本团队收集白癜风、无色素痣、特发性点状白斑、花斑癣、单纯糠疹等色素减退性皮肤病和正常皮肤共11 583张图像，分为分类数据集、分割数据集和评估数据集，从经典模型中选择性能最好的候选模型，构建多分类诊断模型SE_ResNet-18，准确度0.9389，特异性0.9878，macro-f1得分0.9395；将其与98位皮肤科医生的诊断效率进行比较，模型在准确性和特异性方面显示更优性能（P＜0.001）。从色度和白斑面积两个维度构建分割模型HR-Net进行疾病严重程度评估，加权Kappa检验表明，Indicator-v和VASI之间具有中等程度的一致性，与3位经验丰富的皮肤科医生比较没有显著差异。该模型能较高效地应用于白癜风诊断和病情评估。

目前AI在白癜风应用相关的研究存在一定的局限性。（1）数据层面：数据集的数量和质量不足、数据标注标准不统一，患者隐私保护与数据共享方面难以平衡。（2）技术层面：多参数融合问题，如皮损、皮肤CT、伍德灯等数据结合困难；不同设备和数据源整合困难；图像识别挑战，低分辨率、光照、肤色差异影响诊断精度；白斑区域异质性导致AI难以捕捉细微变化。（3）临床应用层面：医生对于AI信任不足；治疗方面缺乏特异个体化推荐；不同机构标准不统一，影响诊断一致性。未来的研究通过解决这些问题，可达到更适合临床应用目标。