Emerging Uses of Artificial Intelligence in Chronic Dermatologic Disease: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Recent years have seen a surge in the use of artificial intelligence (AI) in healthcare, including dermatology. This scoping review aimed to assess the emerging applications of AI use in the context of chronic, non-neoplastic dermatologic diseases. METHODS: MEDLINE, Embase, PubMed and SCOPUS were searched on August 11, 2023 using variations of the search concepts "dermatology," "artificial intelligence," and 12 common chronic dermatologic conditions. Article screening and data extraction were completed, and each study was categorized into themes and conditions. RESULTS: A total of 224 unique studies were included. The most prevalent conditions that were studied in the context of AI included psoriasis (n = 67), atopic dermatitis/eczema (n = 41) and acne (n = 36). The majority of AI applications involved clinical evaluation (n = 176), images (analysis, generation or segmentation) (n = 163) and data analysis (n = 46). Clinical evaluation was further divided into 2 subthemes: diagnosis (n = 104) and disease assessment (n = 67). Diagnostic and analytic applications of AI are limited by the training datasets available (quantity of training data, image quality) and insufficient diagnostic information provided (eg, the patient's reported history of their lesion, disease/symptom onset and risk factors). CONCLUSIONS: Common applications of AI are predominantly as an automated diagnostic tool for evaluating disease severity/characteristics, while niche and novel applications were explored further. However, recognizing the limitations of technology is critical prior to the widespread application of AI in dermatological practice. The insights from the current study can inform clinical adoption of AI in dermatology, and highlight research gaps to guide future academic initiatives.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,023 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».