基于深度学习卷积神经网络评估泛发性脓疱型银屑病皮损严重程度的自动化GPPGA工具研发与多中心临床验证
Development and assessment of an artificial intelligence-based tool for scoring lesion severity in generalized pustular psoriasis clinical images.
本研究基于临床验证的泛发性脓疱型银屑病医师整体评估（GPPGA）评分体系，成功研发并验证了自动化人工智能评分工具（automatic GPPGA）。该模型在跨性别、年龄和不同肤色的人群中均表现出稳健的评分一致性，其评分信度与资深皮肤科医生相当，显著降低了罕见重症皮肤病评估的主观偏差，为GPP的标准化临床诊疗与临床试验客观评估提供了高重复性的数字化工具。
回顾性人工智能算法研发与多中心图像验证研究，包含算法训练/验证集（数据集V1，N=332幅临床图像）与独立拓展验证集（数据集V2，N=4,296幅临床图像）
泛发性脓疱型银屑病（GPP）是以IL-36炎症轴（IL-36α/β/γ及IL-36R）异常过度活化为核心的全身性自身免疫/自炎症性重症皮肤病，伴中性粒细胞趋化浸润并在表皮形成Kogoj海绵状微脓肿；本研究AI系统靶向识别红斑、脓疱及脱屑等特征性临床表型。
- 文献原题：Development and assessment of an artificial intelligence-based tool for scoring lesion severity in generalized pustular psoriasis clinical images.
- 发表期刊：JID Innovations（IF: 3.5 | 2区 | Q2）
- 🔗 DOI 直达：10.1016/j.xjidi.2026.100521 | 🏛️ PubMed PMID：
42824336 - 研究方法与样本量：回顾性人工智能算法研发与多中心图像验证研究，包含算法训练/验证集（数据集V1，N=332幅临床图像）与独立拓展验证集（数据集V2，N=4,296幅临床图像）
- 核心机制与分子靶点：泛发性脓疱型银屑病（GPP）是以IL-36炎症轴（IL-36α/β/γ及IL-36R）异常过度活化为核心的全身性自身免疫/自炎症性重症皮肤病，伴中性粒细胞趋化浸润并在表皮形成Kogoj海绵状微脓肿；本研究AI系统靶向识别红斑、脓疱及脱屑等特征性临床表型。
本研究基于临床验证的泛发性脓疱型银屑病医师整体评估（GPPGA）评分体系，成功研发并验证了自动化人工智能评分工具（automatic GPPGA）。该模型在跨性别、年龄和不同肤色的人群中均表现出稳健的评分一致性，其评分信度与资深皮肤科医生相当，显著降低了罕见重症皮肤病评估的主观偏差，为GPP的标准化临床诊疗与临床试验客观评估提供了高重复性的数字化工具。
📊 核心临床 / 实验数据
- 评分一致性：automatic GPPGA在数据集V1和V2中的Cohen's kappa值分别为0.74与0.82，与人类皮肤科医生的0.79与0.80相当，在大样本验证集（V2）中一致性略优于人工评估。
- 诊断准确率：automatic GPPGA在数据集V1和V2的评分准确率分别为0.62和0.64，与皮肤科医生的0.70和0.65高度贴近。
- 泛化性与公平性：模型在跨性别、跨年龄层以及不同Fitzpatrick皮肤分型（肤色差异）的GPP皮损图像中均保持高度一致且可靠的评估性能。
🩺 专家临床启示与转化视角
GPP作为高度异质且罕见的危重炎症性皮肤病，其病程呈现急性发作与慢性反复交替，临床亟需客观、均一且高灵敏度的病损量化工具来指导IL-36R单抗（如佩索利单抗/Spesolimab）等靶向生物制剂的精准给药时机与疗效监测。由于基层医生缺乏罕见病实战经验且传统人工GPPGA评分主观变异度高，本研究开发的automatic GPPGA有效消除了观察者间与观察者内变异。 在临床转化层面，该AI工具可无缝嵌入真实世界随访、远程医疗及分散式临床试验（DCT）流程中，为急性发作期皮损的快速严重度判定、微小残余病变识别及生物制剂达标治疗（Treat-to-Target）提供具备专家级水平的客观数字化终点评估支持。