APASI: Die glänzende Zukunft der Psoriasis-Schweregradbeurteilung ist da
Einführung
Legit.Health präsentiert einen bahnbrechenden Fortschritt in der dermatologischen Bewertungstechnologie: das APASI-System (Automatic Psoriasis Area and Severity Index). Diese innovative Lösung nutzt die Kraft der künstlichen Intelligenz, um klinische Bilder zu analysieren und automatisch standardisierte PASI-Scores zu berechnen und damit die Art und Weise zu transformieren, wie der Psoriasis-Schweregrad in der klinischen Praxis und Forschung bewertet wird.
Mithilfe von Computer-Vision-Algorithmen haben unsere Forscher ein Tool entwickelt, das Smartphone-Bilder verarbeitet und automatisch in die PASI-Domäne übersetzt und objektive, schnelle und präzise Bewertungen liefert, die traditionelle klinische Bewertungsmethoden ergänzen.
Die Entwicklung und Validierung von APASI wurden in einer umfassenden wissenschaftlichen Publikation in JEADV Clinical Practice dokumentiert:
APASI bietet einen robusten KI-gesteuerten Rahmen für die Bewertung des Psoriasis-Schweregrads und liefert schnelle, objektive und präzise Bewertungen. Seine Integration in klinische und Forschungsworkflows könnte die Krankheitsüberwachung verbessern, die Behandlungsbewertung verbessern und die Bewertungskosten reduzieren.
Mac Carthy T, Dagnino D, Medela A, Fernández G, Aguilar A, Martorell A, Gómez-Tejerina P, Roustán-Gullón G. Artificial Intelligence-Based Quantification to Assess the Automatic Psoriasis Area and Severity Index. JEADV Clin Pract. 2025. https://doi.org/10.1002/jvc2.70143
Die Herausforderung bei der Psoriasis-Bewertung verstehen
Psoriasis betrifft weltweit etwa 125 Millionen Menschen und manifestiert sich als erythematöse Plaques mit silbernen Schuppen, die die Lebensqualität der Patienten erheblich beeinträchtigen. Trotz der klinischen Sichtbarkeit von Psoriasis-Läsionen bleibt das Erreichen konsistenter und objektiver Schweregradbeurteilungen eine Herausforderung.
Ursprünge und Einschränkungen des PASI
Der Psoriasis Area and Severity Index (PASI) wurde 1978 erstmals von T. Fredericksson und U. Pettersson veröffentlicht. Ihre Formel zur Beurteilung des Schweregrads der Erkrankung sollte zum Goldstandard für Dermatologen weltweit werden und wird noch heute weit verbreitet verwendet.
Die traditionelle PASI-Bewertung weist jedoch mehrere kritische Einschränkungen auf, einschließlich hoher Interobserver-Variabilität und zeitaufwendiger manueller Berechnungen.
Wie können wir wissen, ob ein Punktesystem gut ist?
Wenn es um dermatologische Beurteilungen geht, ist die Wirksamkeit eines Bewertungssystems von größter Bedeutung. Aber was genau macht ein Punktesystem zuverlässig und nützlich? Durch einen wissenschaftlichen Konsens wurden mehrere Schlüsselfaktoren identifiziert, die zur Robustheit dieser Systeme beitragen. Sehen wir uns diese entscheidenden Elemente etwas genauer an:
- Benutzerfreundlichkeit: Bei diesem Faktor geht es darum, ob das System im Rahmen der zeitlichen und finanziellen Möglichkeiten mühelos angewendet werden kann. Ein benutzerfreundliches System ist entscheidend für eine breite Akzeptanz im klinischen Umfeld.
- Empfindlichkeit gegenüber Veränderungen: Ein effektives Bewertungssystem muss in der Lage sein, klinisch bedeutsame Veränderungen im Laufe der Zeit zu erkennen. Diese Sensibilität stellt sicher, dass jede Veränderung oder jede Verschlechterung des Zustands eines Patienten genau erfasst wird.
- Zuverlässigkeit zwischen Beobachtern: Dies bezieht sich auf die Konsistenz der Ergebnisse, wenn verschiedene Beobachter/innen das Punktesystem verwenden. Eine hohe Zuverlässigkeit zwischen den Beobachtern bedeutet, dass verschiedene Ärzte zu ähnlichen Schlussfolgerungen kommen, was die Glaubwürdigkeit des Systems erhöht.
- Abweichungen der einzelnen Beobachter: Dabei geht es um die Konsistenz der Ergebnisse, wenn derselbe Beobachter das Bewertungssystem mehrmals verwendet. Die geringe Abweichung eines einzelnen Beobachters deutet darauf hin, dass das System stabile Ergebnisse liefert, unabhängig von wiederholten Bewertungen durch denselben Arzt.
- Interpretierbarkeit: Ein praktisches Bewertungssystem sollte aussagekräftige qualitative Interpretationen seiner Ergebnisse liefern, z. B. die Einstufung des Schweregrads einer Erkrankung als leicht, mittelschwer oder schwer.
Diese Kriterien gewährleisten nicht nur die Wirksamkeit des Bewertungssystems, sondern auch seine Anwendbarkeit und Zuverlässigkeit in verschiedenen klinischen Szenarien.
Angepasst von "Methods and definitions to rate the quality of outcome measures". Schmitt, J., Langan, S., Deckert, S., Svensson, A., von Kobyletzki, L., Thomas, K., & Spuls, P. (2013). Assessment of clinical signs of atopic dermatitis: A systematic review and recommendation. Journal of Allergy and Clinical Immunology, 132(6), 1337--1347. doi:10.1016/j.jaci.2013.07.008.
Die APASI-Lösung: Revolutionäre KI-gestützte Psoriasis-Bewertung
APASI stellt einen Durchbruch in der dermatologischen Versorgung dar und verbindet nahtlos modernste künstliche Intelligenz mit jahrzehntelanger klinischer Expertise.
Möchten Sie die klinische KI-Technologie in Aktion sehen?
Evidenzbasierte Exzellenz
Das APASI-System wurde an Tausenden klinischer Fälle trainiert und durch umfangreiche Real-World-Validierung getestet. Der MiT_b2-Modell erreichte Genauigkeiten von 60,6% für Erythem, 54,3% für Induration und 61,8% für Desquamation.
Nach 12 Monaten Nutzung von Legit.Health, in denen wir die Anwendbarkeit des Tools in unserem Krankenhaus analysiert haben, haben wir Schlussfolgerungen gezogen, die helfen, ein neues Paradigma in der Nachsorge von Psoriasis vorzuschlagen.
Sechs wesentliche Vorteile von APASI in der klinischen Praxis
Das bedeutet, dass die neue Version dieses Bewertungssystems Daten präzise und konsistent extrahiert, sowohl bei Routinebewertungen als auch in der klinischen Forschung. Die Verbesserung ist in der folgenden Tabelle zu sehen, in der die Leistungskennzahlen der gängigsten Arten der Nutzung von Punktesystemen verglichen werden:
| Stift und Papier | Digital | Automatisch (KI) | |
|---|---|---|---|
| Selbstüberwachung | - | - | Diagnose durchführen |
| Benutzerfreundlichkeit | ≈ 600 Sekunden | ≈ 420 Sekunden | ≈ 23 Sekunden |
| Empfindlichkeit auf Veränderung | 0 bis 4 | 0 bis 4 | 0 bis 100 |
| Abweichungen zwischen Beobachtern | Mittel (20%) | Mittel (20%) | Geringste (8%) |
| Abweichungen der einzelnen Beobachter | Hoch | Hoch | Null |
Tabelle 1: Vergleich zwischen verschiedenen Methoden zur Bewertung des Schweregrads einer Krankheit. Die automatische, auf künstlicher Intelligenz basierende Methode schneidet bei den meisten Leistungsindikatoren besser ab.
Dank der Deep-Learning-Algorithmen befreit Legit.Health Ärzte von der mühsamen manuellen Berechnung von Punktesystemen und ermöglicht die Ausübung einer objektiveren evidenzbasierten Dermatologie. Durch die Verwendung von Algorithmen zur Messung von Trockenheit, Lichenifikation, Erythem, Nässen, Ödemen und vielen weiteren Anzeichen kann das Tool außerdem die visuellen Anzeichen zuverlässiger und konsistenter berechnen.
1. Schnelle und objektive Schweregradbeurteilung
APASI liefert automatisierte PASI-Scores in Sekunden aus Smartphone-Bildern und eliminiert mühsame manuelle Berechnungen, die Ärzte 6-10 Minuten pro Patient kosten.
2. Mit Menschen vergleichbare Leistung bei der Bewertung visueller Zeichen
Das System bewertet alle drei wichtigen PASI-Indikatoren mit konstanter Präzision und bietet eine zuverlässige Schweregradklassifizierung, die mit erfahrenen Klinikern vergleichbar ist.
3. Überlegene Läsionssegmentierungsgenauigkeit
Das Xception-multi-Modell erreichte eine Intersection over Union (IoU) von 0,752, die die IoU von 0,702 der Experten-Dermatologen übertrifft.
4. Verbesserte Reproduzierbarkeit und Standardisierung
Der algorithmische Ansatz von APASI eliminiert die Intraobserver-Variabilität vollständig und gewährleistet identische Bewertungen derselben Läsion im Laufe der Zeit.
5. Wertvolles Werkzeug für klinische Studien
Durch standardisierte, reproduzierbare Bewertungen über mehrere Standorte und Zeitpunkte hinweg adressiert APASI eine der größten Herausforderungen in Psoriasis-Studien: die Interobserver-Variabilität.
6. Benutzerfreundliche klinische Schnittstelle
Das integrierte CAD-System zeigt Läsionssegmentierungsüberlagerungen, Schweregradscores und Längsschnittverlaufsdiagramme in einem intuitiven Format an.
Möchten Sie die klinische KI-Technologie in Aktion sehen?
Fazit
APASI revolutioniert sowohl die klinische Forschung als auch die dermatologische Praxis, indem es neue Standards für Datenqualität, Genauigkeit und Konsistenz setzt.
APASI ist Teil der umfassenden Suite KI-gestützter automatischer Bewertungssysteme von Legit.Health, zu der auch ASCORAD für atopische Dermatitis, AUAS7 für Urtikaria, AIHS4 für Hidradenitis suppurativa und ALEGI für Akne gehören.
Weitere Informationen zur Implementierung von APASI in Ihrer Praxis oder Forschung finden Sie unter Legit.Health.
Arbeiten Sie mit uns
Bei Legit.Health arbeiten wir daran, die APASI-Technologie weiter zu verbessern und noch bessere Tools zu erstellen.
Wenn Sie mit uns zusammenarbeiten möchten, füllen Sie bitte das folgende Formular aus und wir werden uns so schnell wie möglich bei Ihnen melden.