該技術(shù)可以識(shí)別與急性萊姆病相關(guān)的紅斑偏頭痛(EM)皮膚發(fā)紅，從而實(shí)現(xiàn)更可靠的篩查，更準(zhǔn)確的診斷和更早的治療。它可以幫助避免嚴(yán)重的潛在的神經(jīng)疾病，風(fēng)濕病和心臟并發(fā)癥。

科學(xué)家開發(fā)并測試了幾種深度學(xué)習(xí)計(jì)算機(jī)模型，以從其他皮膚病學(xué)狀況和正常皮膚中準(zhǔn)確地挑選出EM。他們使用公共領(lǐng)域提供的非EM皮疹和正常皮膚的圖像以及EM患者的臨床照片“訓(xùn)練”了深度學(xué)習(xí)模型，以識(shí)別EM的外觀。

在美國，每年有300,000例新的萊姆病病例，如果及早發(fā)現(xiàn)，治療是最有效的。誤診是很常見的，尤其是在疾病初期。血液檢測檢測到抗伯氏疏螺旋體(萊姆病)的抗體的存在通常是不可靠的。使用血液或皮膚活檢基因分析對(duì)實(shí)驗(yàn)室培養(yǎng)物中的病原體進(jìn)行直接鑒定的測試可能會(huì)帶來問題，臨床醫(yī)生還無法獲得。

使用EM皮疹作為篩查方法也很困難，因?yàn)槿庋酆苋菀讓⑵ふ钆c其他疾病引起的皮膚炎癥相混淆。

為了解決EM識(shí)別問題，研究人員應(yīng)用了AI和DL方法來分析疑似萊姆病患者皮疹的手機(jī)圖像。

評(píng)估公共領(lǐng)域的圖像，計(jì)算機(jī)增強(qiáng)的圖像分析系統(tǒng)的準(zhǔn)確度范圍從EM和其他皮疹之間進(jìn)行選擇時(shí)為72%，到從正常皮膚中挑選EM時(shí)為94%。對(duì)于已經(jīng)被診斷出患有該疾病的患者的臨床圖像，該系統(tǒng)可以在86%的時(shí)間內(nèi)肯定地識(shí)別出EM皮疹。

“能夠使用人工智能和深度學(xué)習(xí)分析皮疹圖像，使我們能夠更準(zhǔn)確地診斷出患者患有萊姆病，確定疾病的階段，并制定更合適的治療計(jì)劃，”約翰霍普金斯大學(xué)萊姆病臨床研究中心。

“因此，在不久的將來，如果您發(fā)現(xiàn)圓形的，紅色的皮疹，可以盡快將其拍下來與醫(yī)生分享。這樣，即使皮疹消失并且您仍然有萊姆病癥狀，您的醫(yī)生也可以使用我們的分析技術(shù)做出正確的診斷。”