根据 2 月 23 日在线发表在《皮肤病学杂志》上的一项研究，深度学习模型可以准确评估掌跖脓疱病面积和严重程度指数 (PPPASI) 的面积分值。

来自韩国首尔国立大学 Bundang 医院的 Kyungho Paik 及其同事开发并验证了基于深度学习的算法，以实现对 PPP 相关病变区域的自动化和可靠评估。开发了 153 名 PPP 患者的 611 幅手掌和足底图像的数据集。通过除以手掌或脚底区域中的像素数来评估病变面积。

使用注意力 U-net 开发了两个可以评估受影响区域百分比的卷积神经网络(CNN) 模型，并分配了 0 到 6 的分数。

研究人员发现，在 98.8% 的图像中，深度学习算法评估的 PPPASI 区域子分数与 ground truth 子分数相同或相差 1 分。CNN 和 ground truth 之间的类内相关系数为 0.879，表明一致性良好。该模型的准确率为 66.7%，平均绝对误差为 0.344。受影响区域百分比的大部分差异位于 Bland-Altman 图中的 95% 置信区间之间。

“我们的研究结果表明，这种深度学习算法有可能准确快速地自动估计 PPPASI 的面积分值，”作者写道。