Melanoscope AI移动皮肤镜临床决策支持系统的临床验证
计算机视觉与模式识别
2026-05-28 v1 人工智能
摘要
引言。恶性皮肤病变的早期检测对预后至关重要，但俄罗斯各地区皮肤科医生短缺限制了筛查覆盖范围。移动皮肤镜临床决策支持系统(CDSS)提供了一种有前景的方法，模型可解释性和标准化患者分诊仍是采用的主要障碍。目的。开发一种用于级联深度学习模型的定量可解释性评估方法和三区域患者分诊算法，并在俄罗斯门诊实践中对Melanoscope AI CDSS进行初步的单中心前瞻性临床验证。材料与方法。皮肤镜图像的两阶段级联分类；注意力图可视化(ViT和Swin使用注意力展开；ConvNeXt和EfficientNetV2使用Grad-CAM)；激活图与专家标注之间基于IoU的定量一致性评估；在四次“黑色素瘤日”会议(俄罗斯奥廖尔，2025年6月至2026年4月)中进行前瞻性单中心验证。结果。在176名患者中：与专家评估的一致性为88.6%；5个恶性病变中无假阴性(95% CI: 47.8-100.0%)；特异性为88.3%。组织学证实了3例黑色素瘤和2例基底细胞癌；6个发育不良痣被安排随访。平均IoU(n=180)：ViT - 0.69；Swin - 0.64；ConvNeXt - 0.53；EfficientNetV2 - 0.51。分诊阈值：P<0.15 / 0.15-0.50 / >=0.50。结论。未观察到假阴性；特异性为88.3%，支持用于筛查。集成的级联分类、带有IoU评估的注意力图可视化和三区域分诊提供了可重复、可解释的临床决策支持，可适应不同资源水平。
引用
@article{arxiv.2605.27561,
title = {Clinical Validation of the Melanoscope AI Mobile Dermoscopy Clinical Decision Support System},
author = {Elena Sergeevna Kozachok and Sergey Sergeevich Seregin},
journal= {arXiv preprint arXiv:2605.27561},
year = {2026}
}
备注
24 pages, 6 figures, 5 tables, 21 references