近日，Monash大學牽頭的國際研究團隊開發(fā)出一款名為 PanDerm 的AI輔助診斷系統(tǒng)，有望大幅提升皮膚病及黑色素瘤的早期發(fā)現(xiàn)與診斷準確性。相關研究成果已發(fā)表于國際頂級醫(yī)學期刊 Nature Medicine。

PanDerm 是全球首批專為皮膚科臨床實踐設計的多模態(tài)AI模型之一，可同時分析多種影像類型，包括近距離皮膚照片、皮膚鏡圖像（dermoscopic images）、病理切片圖像以及全身皮膚影像等。

多項評估顯示，PanDerm在醫(yī)生使用時可將皮膚癌的診斷準確率提高 11%，在非皮膚科醫(yī)生使用時對其他皮膚疾病的診斷準確率提升高達 16.5%。同時，PanDerm還能在臨床醫(yī)生察覺前，提前發(fā)現(xiàn)可疑病變，具備顯著的早期篩查潛力。

該系統(tǒng)由超過 200萬張皮膚圖像訓練而成，數(shù)據(jù)來源涵蓋來自多個國家、11家機構的四種醫(yī)學影像類型。

來自Monash大學信息技術學院的計算機視覺專家、研究共同通訊作者 Zongyuan Ge副教授 指出，目前大多數(shù)皮膚科AI模型局限于單一任務（如分析皮膚鏡圖像診斷皮膚癌），難以整合不同類型的醫(yī)學影像，從而限制了在真實臨床環(huán)境中的適用性。

“PanDerm的優(yōu)勢在于它能整合復雜的圖像數(shù)據(jù)，輔助醫(yī)生做出更有信心的決策，”Ge副教授表示?！八且粋€設計用于協(xié)助醫(yī)生的工具，而非取代醫(yī)生。”

與傳統(tǒng)AI模型僅限于單任務處理不同，PanDerm被設計用于執(zhí)行多種臨床任務，包括皮膚癌篩查、癌癥復發(fā)與轉移風險預測、皮膚類型評估、痣數(shù)量統(tǒng)計、病灶變化追蹤、各種皮膚疾病的輔助診斷以及病灶區(qū)域的自動分割。并且在多項任務中，PanDerm的表現(xiàn)均處于領先水平，且所需標注數(shù)據(jù)量僅為傳統(tǒng)模型的 5%–10%。

研究第一作者、Monash大學工程學院博士研究生 Siyuan Yan 表示，該系統(tǒng)的成功關鍵在于其“多模態(tài)（multimodal）”學習方法。“我們將多種醫(yī)學影像整合訓練，使AI具備類似皮膚科醫(yī)生的‘綜合判斷能力’，突破了以往僅靠單一影像的分析方式?！?/p>

皮膚病目前影響全球約70%人口，早期發(fā)現(xiàn)對于改善治療效果至關重要。Alfred Health維州黑色素瘤服務中心主任、研究聯(lián)合通訊作者 Victoria Mar 教授 表示，PanDerm 能夠在病變尚不明顯時發(fā)現(xiàn)皮膚病灶，有助于提升監(jiān)測的一致性并為疾病進展提供預警信號。

澳大利亞昆士蘭大學皮膚科研究中心主任 H. Peter Soyer 教授 補充道，城市、鄉(xiāng)村、邊遠地區(qū)在醫(yī)療資源方面存在差異，而PanDerm的設計優(yōu)勢在于“能嵌入現(xiàn)有臨床工作流程”，在初級診療或資源緊張環(huán)境中，尤其能體現(xiàn)其輔助價值。

維也納醫(yī)科大學皮膚科資深聯(lián)合作者 Harald Kittler 教授 表示，PanDerm展示了全球合作與多樣化臨床數(shù)據(jù)如何推動AI工具走向技術強大與臨床可行并重的發(fā)展方向。

目前，PanDerm仍處于評估階段，尚未全面部署于醫(yī)療機構。研究團隊計劃進一步構建更完善的臨床驗證體系，擴展對更多皮膚疾病和臨床亞型的評估，推動模型在不同人群與醫(yī)療環(huán)境中實現(xiàn)公平、穩(wěn)定的應用。

參考文獻：Siyuan Yan et al, A multimodal vision foundation model for clinical dermatology,?Nature Medicine?(2025).?DOI: 10.1038/s41591-025-03747-y

編輯：王洪

排版：李麗