Einführung
Dank der revolutionären Anwendung des PASI-Systems von Legit.Health hat die Zukunft der Dermatologie begonnen APASI (Automatic Psoriasis Area and Severity Index). Mit Hilfe von Computer-Vision-Algorithmen haben die Forscher ein Tool entwickelt, das Smartphone-Bilder verarbeitet und sie automatisch in den Bereich des PASI übersetzt.
Es ist allgemein bekannt, dass objektive, verlässliche und präzise Ergebnismessungen maßgeblich für faktenbasierte Medizin sind. Wenn es um Psoriasis geht, hat der PASI die besten Messeigenschaften und wird am häufigsten für klinische Studien empfohlen. Deshalb haben wir den PASI automatisiert, um Patienten und Ärzten zu helfen, bessere Gesundheitsergebnisse zu erzielen.
Die Ursprünge des PASI
Dieses Bewertungssystem für Psoriasis wurde erstmals 1978 in einem Artikel von T. Fredericksson und U. Pettersson veröffentlicht, in dem sie die Wirksamkeit einer neuen Behandlung für die Krankheit untersuchten.
Ihre Formel zur Beurteilung des Schweregrads der Erkrankung wurde zum allgemeinen Standard für Dermatologen auf der ganzen Welt und wird auch heute noch weithin verwendet.
Um den PASI zu berechnen, wurde die Summe des Schweregrads dieser drei Hauptveränderungen mit dem Zahlenwert der betroffenen Bereiche und mit den verschiedenen Prozentsätzen der vier Körperbereiche multipliziert. Diese Werte wurden dann addiert, um den PASI zu erhalten.
Die Einschränkungen des PASI auf Papier
Das Hauptziel des PASI ist es, ein Instrument zur präzisen und konsistenten Erfassung von Daten für Routinebewertungen und klinische Studien zu bieten. Allerdings bringt es eine Reihe von Problemen und Einschränkungen mit sich.
Wir fanden erhebliche Unterschiede [in den Ergebnissen] zwischen erfahrenen und unerfahrenen Ärzten, die den PASI verwenden
Mit anderen Worten, es gibt eine hohe Variabilität zwischen Beobachtern, die am stärksten ausgeprägt ist, wenn erfahrene und unerfahrene Ärzte verglichen werden.
Abgesehen von den Unterschieden zwischen den Beobachtern haben viele Ärzte berichtet, dass das Ausfüllen des Papierbogens zu mühsam und zeitaufwändig ist und dass sie ihn im Alltag nicht wirklich nutzen.
Möchten Sie die klinische KI-Technologie in Aktion sehen?
Digitale Rechner: Eine halbfertige Lösung des Problems
Mit dem Aufkommen einfacher Rechner wurden mehrere digitalisierte Versionen des PASI-Bewertungssystems entwickelt, um den Zeitaufwand für die Berechnungen zu verringern. Diese Online-Rechner lösen, wenn auch ineffizient, nur eines der Probleme, die der traditionelle PASI hat. Die Formel wird zwar automatisch berechnet, aber der Arzt muss dennoch die Werte für jeden Parameter eingeben.
Dies erfordert nicht nur weiterhin die Zeit und Aufmerksamkeit des Arztes, sondern ändert auch nichts an den zahlreichen Problemen der mangelnden Objektivität und Reproduzierbarkeit des PASI-Systems.
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.
Sechs Gründe, warum APASI besser ist
Legit.Health ist das revolutionäre klinische Daten- und Kommunikationstool für Dermatologen der nächsten Generation, das die Patienten in dreifacher Hinsicht unterstützt.
Nach 12 Monaten mit Legit.Health, in denen wir die Anwendbarkeit des Tools in unserem Krankenhaus analysiert haben, waren wir in der Lage, ein neues Pflegeparadigma in der Nachsorge von Psoriasis zu entwickeln.
Der Zweck der Deep-Learning-Algorithmen ist es, Ärzte von der mühsamen manuellen Berechnung von Bewertungssystemen zu befreien und die Ausübung einer objektiveren faktenbasierten Dermatologie zu ermöglichen, während gleichzeitig der Prozess der Berichterstattung der Pathologie beschleunigt und die Autonomie und Kontrolle der Patienten erhöht wird.
Die Algorithmen von Legit.Health stufen Läsionen automatisch ein, indem sie Smartphone-Bilder und kurze von Patienten berichteten Ergebnisdaten (PROMs) auswerten. Mit anderen Worten: Das Tool füllt automatisch die meisten dermatologischen Bewertungssysteme aus, wie z. B. PASI, SCORAD, UAS, GAGS und viele mehr.
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. Einfacher in der Anwendung und schneller als jede andere bestehende Methode
Während ein erfahrener Arzt vielleicht sechs bis sieben Minuten benötigt, um den PASI-Score eines Patienten vollständig auszufüllen und zu berechnen, benötigt ein unerfahrener Arzt zehn Minuten. Der Algorithmus von Legit.Health benötigt währenddessen nur 23 Sekunden, um die endgültige Bewertung zu erhalten, einschließlich der Aufnahme des Bildes.
Dies ist sowohl aus Sicht des Zeitmanagements wichtig, da die Ärzte so ihre Zeit mit dem Patienten besser nutzen können, als auch aus klinischer Sicht. Die Tatsache, dass viele Ärzte kein Bewertungssystem ausfüllen wollen, weil sie den Prozess für zu mühsam und zeitaufwändig halten, und lieber aus dem Bauch heraus den Schweregrad der Krankheit einschätzen, ist mit der modernen Idee einer faktenbasierten Medizin nicht vereinbar.