AI 驱动的皮肤病学诊断：从可解释模型到临床实施——一种用于可访问且可信的皮肤病检测的全面框架

皮肤病影响全球 19 亿人，但由于专科医生稀缺和复杂的临床表现，准确诊断仍然具有挑战性。家族史显著影响皮肤疾病的易感性和治疗反应，但在诊断过程中往往未得到充分利用。本研究探讨了一个关键问题：AI 驱动的系统如何将家族史数据与临床影像相结合以增强皮肤病学诊断，同时支持临床试验验证和现实世界的实施。我们开发了一个全面的多模态 AI 框架，将基于深度学习的图像分析与结构化临床数据（包括详细的家族史模式）相结合。我们的方法采用可解释卷积神经网络与纳入遗传风险因素的临床决策树相集成。该方法包括在多样化医疗环境中进行的前瞻性临床试验，以验证 AI 辅助诊断与传统临床评估的对比。在本工作中，验证由医疗专业人员执行，以评估 AI 辅助输出是否符合临床预期；前瞻性临床试验被提议作为未来工作。集成的 AI 系统在纳入家族史数据时展现出增强的诊断准确性，特别是对于黑色素瘤、银屑病和特应性皮炎等遗传性皮肤病。专家反馈表明有望实现更早期的检测和更个性化的建议；正式的临床试验正在计划中。该框架旨在集成到临床工作流程中，同时通过可解释 AI 机制保持可解释性。