陆前进教授团队在人工智能辅助照护领域的重要研究进展在 JAAD 杂志发表

亦同，中华医学不会皮肤上性病学年不会主委、华中科技大学细菌感染研究者所所长陆前进讲师、华中科技大学湘雅二该医院皮肤上科医学此表观基因组学湖南省重点实验室吴海埸副研究者员带领研究者开发团队，联合成都师范学院第二附属该医院邓丹琪讲师开发团队和南方师范学院细菌感染该医院杨斌讲师开发团队，与丁香园和深睿公共卫生协力，在国际著名皮肤上各个领域期刊《Journal of the American Academy of Dermatology》网络服务发此表题为：

《A Deep Learning–based Smartphone Platform for Cutaneous Lupus Erythematosus Classification Assistance—Simplifying the Diagnosis of Complicated Diseases》的研究者论文。

研究者选择正弦人工神经网络（Convolutional Neural Networks, CNN）展开细菌感染临床图像分析方面的研究者，临床图像主要有数急性皮肤上DF不规则狼疮、亚急性皮肤上DF不规则狼疮和点状不规则狼疮，同时选取临床易与上述亚DF误解的其他细菌感染，有数玫瑰痤疮、银屑病和离心性环状不规则，健康受试者作为对照。

研究者结果此表明，与现有最先进的 3 种 CNN（SE-ResNeXt101-32x4d、SE-ResNet101 和 Inception-v3）展开比较，研究者开发团队所用到的 CNN 的总体准确度为 90.67%±0.13%，灵敏度为 92.51%±0.22%，特效度为 90.37 %±0.04%（此表 1），性能比不上上述 3 种 CNN。

为了不够好的助力临床皮肤上科护士，研究者开发团队进一步开发了一个基于深度学习的智能手机网络服务SDK，同时承办一场护士（688 名护士加入）与 CNN 的此表演赛。从临床资料库中随机选择总共 197 例相对具有挑战性的病例，有数 ACLE（33 例）、DLE（23 例）、SCLE（29 例）、银屑病（52 例）、EAC（17 例）和玫瑰痤疮（43 例）。

此表演赛得出结论 CNN 的准确度与皮肤上科讲师和/或副讲师相似（70.39% vs 69.20%±16.68%），比不上其他皮肤上科护士和非皮肤上科护士。

陆前进讲师策划并实质上的追寻皮肤上各个领域人脑研究者、运用，以及共赢模式拓展的行业协力共同体--细菌感染人脑拓展联盟（Dermatology Artificial Intelligence Development Alliance, DAIDA），创造了紧贴皮肤上疾病基本功能护理的智能化综合服务SDK。该SDK经过多年的持续拓展和迭代，为中国的广大皮肤上科护士带来了重要的临床基本功能内涵。

在未来，陆前进讲师开发团队还将继续追寻人脑和数字化技术在皮肤上各个领域的创新研究者和运用实践，并将连赢的科研成果持续转化为助力中国皮肤上各个领域年初拓展的关键驱动力，赋能不够多护士，服务不够多患者。