ARTICLE · 1114230

当银屑病患者每天在家拍一张照片,AI能不能替医生“看病”?一项随机临床试验给出的答案:它还不能替代医生,但已经足以改变随访方式

发布时间：2026-10-02 14:37:27 最近访问：2026-10-02 14:37:27

医道社：传承和发展民间中医

来源：海外网站作者：医道社整理

版权归原作者所有，如有违规、侵权请联系我们删除！

👆关注不迷路，更多皮肤病前沿资讯

过去，银屑病病情评估依赖患者“到了医院才被看见”。
现在，一块靶皮损每天在家拍一张照片，AI就可能捕捉到肉眼不易察觉的变化。
更关键的是：在一项随机、双盲、安慰剂对照临床试验中，AI从患者手机照片中得出的病情变化，与医生现场评分高度一致。

这不是概念演示，也不是“AI看皮肤病”的商业宣传。

这是发表于 **《Journal of the American Academy of Dermatology》（JAAD，2026年10月）**的一项真实临床研究。研究团队让银屑病患者在家中每天用手机拍摄同一块皮损，再由人工智能系统分析红斑、鳞屑和正常皮肤的面积变化，并与皮肤科医生在门诊完成的评分进行对照。

结果很直接：

·AI评分与医生靶皮损评分之间，Pearson相关系数 r=0.82；

·Spearman相关系数ρ=0.80，P＜0.001；

·AI评分和医生评分的重复测量可靠性均较好，ICC为0.85—0.90；

·接受治疗的患者，从第4周开始，AI已经能稳定捕捉到红斑、鳞屑下降和正常皮肤面积增加的趋势；

·而安慰剂组的病灶总体没有出现同样的改善。

这意味着什么？

银屑病的疗效观察，可能不必再只依赖“复诊当天的那一次肉眼判断”。

一、银屑病评估的尴尬：我们一直在用“低频观察”，管理“高频波动”的疾病

皮肤科医生对此并不陌生。

银屑病严重程度的评估，常用工具包括：

·PASI：银屑病面积与严重程度指数；

·TLS：靶皮损评分；

·医生对红斑、浸润、鳞屑等表现的综合判断。

这些工具很重要，也是临床研究和日常诊疗的基础。但它们有一个共同的问题：

患者的皮损每天都在变，而医生通常数周甚至数月才看患者一次。

尤其在治疗起效、波动、复发的早期阶段，真正有价值的信息，往往藏在两次门诊之间。

患者可能会说：

·“我感觉这两周好一点了，但昨天又红了。”

·“鳞屑好像少了，可照片看起来又不明显。”

·“是不是药没效果？”

·“我该不该提前复诊？”

而医生面对的，常常是一张今天拍的照片、患者的一段主观描述，或者一次门诊时的皮损状态。

这并不是医生不够认真，而是传统诊疗模式天然受限于时间、距离和可及性。

对于居住偏远地区、行动不便、工作难以请假，或者需要长期反复随访的患者来说，频繁到院本身就是一项成本。

因此，这项研究真正有价值的地方不在于“AI很酷”，而在于它提出了一个更现实的问题：

如果患者可以在家中高频、标准化地记录病灶，医生是否能得到一条更完整的疾病变化曲线？

二、这项试验到底做了什么？

研究是一项为期 16周 的随机、双盲、安慰剂对照试验，注册号为 NCT03688971，在荷兰开展。

共纳入 26名斑块型银屑病成年患者，包括：

·轻度患者：PASI≤5；

·中重度患者：PASI≥10；

·研究要求患者存在适合追踪的靶皮损，TLS为6—9分。

患者以 3∶1 的比例随机分配至：

·古塞奇尤单抗（guselkumab）治疗组；

·安慰剂组。

这里要强调：本文讨论的重点不是某一种药物的疗效，而是AI能否可靠追踪治疗过程中的皮损变化。

在这16周中，患者做了两件事：

1. 在家中：每天拍摄同一块靶皮损

患者使用基于智能手机的医疗影像平台，在家拍摄目标皮损。

这一步非常关键。

不是随手拍一张“全身照”，也不是让AI判断“你是不是银屑病”，而是围绕已经明确诊断、已经确定位置的一块靶皮损，进行连续追踪。

2. 在门诊：医生定期评估

在第0、2、4、8、12和16周，医生在门诊：

·拍摄匹配的皮损图片；

·进行PASI评分；

·进行TLS评分。

随后，研究人员将患者居家照片和门诊照片交给AI系统分析，再把AI结果与医生评分进行比较。

三、AI不是“看一眼照片就下结论”，而是把一块皮损拆成了三种组织

很多人听到“AI评估皮肤病”，容易想到：上传照片，机器给你一个诊断。

但这项研究做得更具体，也更克制。

AI系统的核心流程包括三步：

第一步：识别皮损区域。
第二步：识别皮损内不同组织成分。
第三步：计算严重度变化。

研究团队先由人工标注图像，建立“参考答案”，再用于模型训练。

AI主要识别和量化的是：

·红斑区域；

·鳞屑区域；

·相对健康的皮肤区域。

用于皮损分割的卷积神经网络，共分析了约 2200张图像：

·门诊图像152张；

·居家图像2048张。

随后，研究团队使用随机森林模型，基于这些组织成分生成AI衍生靶皮损评分，即 aiTLS。

这里有一个专业细节值得注意：

AI无法仅通过普通二维照片可靠评估“浸润”

TLS中包含红斑、浸润、鳞屑等维度。

但“浸润”本质上涉及皮损的厚度、触感和隆起程度。医生可以通过观察、触摸判断，普通手机照片却很难真正“感知”皮损厚不厚、硬不硬。

因此，研究者没有假装AI能解决一切，而是明确承认：

浸润不是像素层面的表面特征，不能仅靠图像组织组成来直接获得。

这恰恰是研究可信的地方——它没有把AI包装成“万能医生”。

四、真正值得关注的数据：AI看到了治疗组和安慰剂组的分叉

从第4周开始，接受治疗的患者，AI量化出的红斑和鳞屑面积开始明显下降；与此同时，病灶内“相对健康皮肤”的比例增加。

到第16周时，治疗组与安慰剂组之间的差异已经很清晰。

以下数据为相较基线的平均百分比变化。

居家手机照片AI分析结果	安慰剂组，第16周	治疗组，第16周
红斑组织面积变化	+8.57%	−18.81%
鳞屑组织面积变化	−2.64%	−11.34%
相对健康皮肤面积变化	−5.93%	+29.96%

换句话说：

·在治疗组中，红斑和鳞屑在减少；

·在治疗组中，病灶区域内看起来更接近正常皮肤的面积在增加；

·而安慰剂组并没有呈现同样持续、明确的改善轨迹。

门诊照片的结果也与此一致。

例如在第16周：

·门诊照片中，治疗组红斑面积较基线平均下降 26.22%；

·安慰剂组反而平均增加 10.03%；

·治疗组相对健康皮肤面积平均增加 40.35%；

·安慰剂组则较基线平均下降 4.75%。

这不是“AI觉得好像变好了”。

而是AI将病损内红、屑、相对正常皮肤的变化，转化为可比较、可追踪的数字。

五、最重要的结果：AI评分没有明显偏离医生评分

医学AI最怕的不是“不能做”，而是“看似能做，实际不稳定”。

这项研究中，AI衍生的靶皮损评分（aiTLS）与专家医生TLS评分之间，没有观察到统计学显著差异。

两者的关系可以概括为：

·Pearson r=0.82

·Spearman ρ=0.80

·P＜0.001

·两者重复测量可靠性：ICC 0.85—0.90

对于非统计学背景的读者，可以这样理解：

当医生判断这块皮损在改善时，AI大多数情况下也能识别出相同方向的改善；
当医生判断病情没有明显变化时，AI通常也不会“凭空制造疗效”。

而且，AI对红斑、鳞屑、正常皮肤组织比例的反复测量可靠性为 ICC 0.85—0.91。

在临床研究中，ICC越接近1，代表不同时间、不同测量下的结果越一致。0.85以上通常已经属于较好的可靠性。

六、这项研究真正“震撼”的，不是AI比医生强，而是它让疾病变化被连续看见

请注意，这项研究并没有证明“AI优于皮肤科医生”。

它证明的是另一件更有可能改变临床实践的事：

患者在家中拍摄的照片，经AI分析后，可以稳定地追踪治疗反应，并且与医生的临床评分保持较高一致性。

这背后的临床意义，比“替代医生”更大。

因为未来最理想的模式，不是让AI取代医生，而是让AI承担那些医生不可能每天完成的重复工作：

·每天看一张标准化照片；

·标记红斑是否扩大；

·追踪鳞屑是否减少；

·记录某块皮损是否在反复；

·将数周乃至数月的变化形成趋势图；

·在出现明显恶化或异常变化时，提示患者和医生关注。

医生则把时间留给真正需要专业判断的部分：

·是否诊断正确；

·是否存在感染、药疹、脓疱、红皮病等风险；

·是否需要调整治疗；

·是否存在关节受累；

·是否需要排除其他疾病；

·如何结合全身情况、合并症和患者意愿做决策。

AI适合“盯趋势”，医生负责“做判断”。

这是更现实，也更安全的分工。

七、别急着欢呼：这项研究的局限，同样必须讲清楚

任何一项医学AI研究，如果只谈漂亮结果、不谈边界，都不值得信任。

这项研究的样本量很小，只有 26名患者。而且还存在几个非常明确的限制：

1. 只追踪一块靶皮损，不等于完成全身PASI评估

银屑病不是只有一块皮损。

一块皮损改善，不代表全身所有部位同步改善；头皮、甲部、皱褶部位、掌跖部位的表现，也可能与躯干或四肢皮损不同。

因此，aiTLS目前更接近于“靶皮损的量化随访工具”，而不是完整替代PASI的系统。

2. 不能充分评估浸润

普通手机图像无法真正模拟触诊。

而银屑病的浸润程度，恰恰是重要的临床信息。未来可能需要三维成像、标准化光照、深度传感器，甚至结合患者主观症状和医生远程复核，才能补足这一部分。

3. 训练与测试来自同一研究队列，外部验证仍不足

虽然研究中没有将训练图片直接用于测试，但训练与测试来自同一临床研究队列，患者构成、拍摄设备、拍摄流程相对一致。

这意味着：

模型在这群患者中表现不错，不等于换一批人、换一种肤色、换一部手机、换一个光线环境后，仍然同样准确。

这也是所有医学影像AI走向真实世界时必须跨越的门槛。

4. 研究人群覆盖仍不够广

研究纳入的是轻度与中重度患者，处于中间范围的患者并未得到充分验证。

更重要的是，银屑病AI研究必须特别关注不同肤色人群。

红斑在浅色皮肤上与深色皮肤上的视觉表现并不相同。如果训练数据不够多样，AI可能在某些人群中表现更差，甚至加剧医疗不平等。

这项研究的作者也明确提出：未来需要更大、更多样化的数据集，才能扩展到全身评分和更广泛的人群。

八、给皮肤科医生：AI时代，临床标准化比“模型多先进”更重要

对皮肤科医生而言，这项研究的提醒不只是“可以尝试AI”。

更重要的是：

如果图像采集不标准，再强的算法也会被垃圾数据拖垮。

居家拍照要真正进入随访体系，至少需要解决：

·同一部位如何固定；

·光线、距离、角度如何尽可能一致；

·是否需要色卡或标准参照物；

·图像是否清晰；

·是否要排除药膏反光、抓痕、出血、遮挡等干扰；

·患者是否能长期坚持；

·数据如何安全存储、谁能访问、如何获得知情同意；

·AI提示异常后，谁负责复核和响应。

AI不会自动带来标准化。

恰恰相反，只有先建立标准化，AI才有价值。

未来临床试验和慢病管理中，值得期待的不是“患者发一堆照片给医生”，而是：

患者完成标准化拍摄 → 系统完成初步量化 → 自动生成趋势图 → 触发异常预警 → 医生集中处理真正需要干预的病例。

这才可能让远程管理从“微信收图”走向可重复、可追溯、可验证的医学流程。

九、给银屑病患者：手机照片可以帮助你记录病情，但不能替代就医

对患者来说，这项研究最实用的启发是：

规律拍照，可能比“凭感觉回忆病情”更可靠。

如果你正在接受银屑病治疗，可以在医生建议下建立自己的皮损记录：

·尽量固定同一块皮损；

·固定时间、距离、角度和光线；

·不要过度滤镜、美颜或修图；

·可以每周记录一次瘙痒、疼痛、脱屑、睡眠和用药情况；

·复诊时把连续照片和症状记录带给医生。

但必须明确：

手机照片不能用于自行确诊银屑病；
更不能根据AI评分自行加药、停药或更换治疗方案。

如果出现皮损迅速扩散、全身潮红、大量脓疱、发热、明显疼痛、关节肿痛或其他异常情况，应及时线下就医，而不是等待AI“评分”。

最后的观点：未来皮肤科真正稀缺的，不是照片，而是被正确解释的连续数据

一张照片，能告诉我们“今天看起来怎样”。

一百张规范拍摄的照片，才可能告诉我们：

·这块皮损什么时候开始改善；

·改善是否稳定；

·红斑和鳞屑谁先下降；

·是否出现反跳；

·某种治疗究竟有没有持续获益。

这项只有26名患者的小型试验，当然还不足以改写指南，更不足以宣布“AI已经解决银屑病评估”。

但它已经清楚地证明了一件事：

居家手机影像并非只能作为患者的“随手记录”。
当它被标准化采集、由经过验证的AI量化，并由皮肤科医生进行临床解读时，它可以成为疾病管理的一部分。

银屑病不是一次看诊就能结束的疾病。

而未来的皮肤科，也不应只在患者走进诊室的那几分钟里，才开始“看见”疾病。

参考文献

Oliver M, Molnarova M, Bergmans M, et al. Artificial intelligence-powered imaging for objective psoriasis severity assessment at home: Feasibility and reliability in a randomized clinical trial.Journal of the American Academy of Dermatology. 2026;95(4):1182-1184. DOI: 10.1016/j.jaad.2026.06.044.