Assessing the performance of artificial intelligence models in evaluating inflammatory skin disease severity: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Artificial intelligence (AI) applications in dermatology have expanded beyond diagnosis and have shifted towards assessing disease severity. OBJECTIVES: To qualitatively and quantitatively evaluate the performance of image-based AI models in severity assessment for various skin diseases. METHODS: In this systematic review and meta-analysis, we collected studies using four electronic databases, including PubMed, Embase, Institute of Electrical and Electronics Engineers Xplore and Web of Science, published from 1 January 2017 to 6 April 2023, and updated the search in November 2023. Studies assessing the performance of deep learning AI models on the severity of skin diseases were included. We excluded studies that utilized a nonvalidated severity index, lacked clinical images, and assessed wounds, ulcers or burns. Two independent reviewers extracted prespecified study characteristics for the summary table. For the meta-analysis, contingency tables were extracted, when possible, and reconstructed for each severity measure. Accuracy was calculated using a bivariate model in Metandi package, and meta-regression was performed by disease type and scoring system. This study was registered with PROSPERO (CRD42023487228). RESULTS: Our initial search identified 7737 records. After duplicate removal and abstract screening, we reviewed the full text of 192 articles and included 45 studies for systematic review and 19 for meta-analysis. The pooled sensitivity and specificity of AI models were 80.5% [95% confidence interval (CI) 76.2-84.2] and 96.2% (95% CI 94.9-97.2), respectively. Moreover, pooled sensitivity differed by disease (atopic dermatitis 91.8% vs. acne 80.7%, P = 0.005; acne 80.4% vs. psoriasis 71.1%, P = 0.044) and scoring system [Eczema Area and Severity Index 97.3% vs. Investigator's Global Assessment (IGA) for atopic dermatitis 78.9%, P < 0.001; Hayashi Grading 89.7% vs. IGA for acne 69.8%, P < 0.001]. CONCLUSIONS: Our findings show that current AI models exhibit a high level of capacity in disease severity assessment. Nevertheless, efforts are urgently needed to improve transparency in data reporting and conduct high-quality prospective studies using objective reference standards in clinical settings to generate reliable evidence.
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 | 0,029 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,041 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».