Notizie
Chi assume più cibi a base vegetale rischia meno riacutizzazioni della dermatite atopica
Secondo uno studio pubblicato su BMC Public Health, la frequente adesione a un modello alimentare con cibi a base vegetale […]
Punteggio PASI automatizzato e basato su immagini corrisponde a quello degli specialisti
Lo strumento di deep learning Convolutional Neural Network (CNN), basandosi su immagini, darebbe in modo automatico e obiettivo un punteggio PASI ai pazienti con psoriasi, in base alle diverse regioni anatomiche.
È quanto dimostra uno studio pubblicato sul Journal of the European Academy of Dermatology and Venereology, secondo il quale i punteggi per eritema, desquamazione e infiltrazioni valutati con il CNN sono stati simili a quelli dati dagli specialisti.
Per lo studio, che ha valutato la performance nel dare un punteggio PASI con il CNN confrontandola con la performance del medico, il sistema automatizzato è stato ‘formato’ usando una serie di immagini standardizzate di tronco, braccia e gambe e, quindi, per dare punteggi, separatamente, a eritema, desquamazione, infiltrazione e area interessata, in ciascuna regione anatomica.
I risultati hanno mostrato che il coefficiente di correlazione interclasse del CNN per il tronco era di 0,616 per l’eritema, 0,580 per la desquamazione, 0,580 per l’infiltrazione e 0,793 per l’area interessata, con risultati simili a livello di braccia e gambe. I coefficienti tra i punteggi dati dal sistema di deep learning e le situazioni di real life erano leggermente superiori per il CNN rispetto ai medici per l’eritema, 0,616 vs. 0,558, per le infiltrazioni, 0,580 vs. 0,573, e per l’area interessata, 0,793 vs. 0,694; mentre i medici facevano leggermente meglio a livello di desquamazione.
Fonte: Journal of the European Academy of Dermatology and Venereology
