人工智能在基層全科醫(yī)生實(shí)踐中的應(yīng)用：基于皮膚病診斷與病程管理的視角

【摘要】 背景 基層全科醫(yī)生在皮膚病診斷和管理方面面臨挑戰(zhàn)，凸顯了對(duì)人工智能（AI）輔助系統(tǒng)的迫切需求。AI技術(shù)在提高診療效率中具有潛力，但目前針對(duì)其在基層醫(yī)療實(shí)踐中的應(yīng)用研究相對(duì)有限。目的 探討AI輔助系統(tǒng)在基層全科醫(yī)生皮膚病診斷與病程管理中的應(yīng)用效果。方法 于2022年12月—2024年3月，在杭州市社區(qū)衛(wèi)生服務(wù)中心招募自愿參與研究的全科醫(yī)生19名，采用隨機(jī)數(shù)字表法，將其分為AI組10名、對(duì)照組9名；選取該時(shí)期兩組醫(yī)生接診的皮膚病患者90例，AI組50例、對(duì)照組40例。AI組醫(yī)生使用睿膚AI輔助系統(tǒng)進(jìn)行皮膚病的診斷和病程管理，對(duì)照組醫(yī)生不使用AI系統(tǒng)、按常規(guī)流程診治，兩組醫(yī)生在接診過(guò)程中均收集了患者的病歷、實(shí)驗(yàn)室檢查結(jié)果和皮損照片。由2名皮膚病專家遠(yuǎn)程會(huì)診，評(píng)估兩組醫(yī)生的診斷準(zhǔn)確性。分別于接診的第1、14天對(duì)患者進(jìn)行皮膚病生活質(zhì)量指數(shù)（DLQI）評(píng)分，對(duì)兩組患者進(jìn)行滿意度測(cè)評(píng)，對(duì)AI組全科醫(yī)生進(jìn)行睿膚AI輔助系統(tǒng)使用體驗(yàn)測(cè)評(píng)。結(jié)果 AI組和對(duì)照組患者的性別、年齡、學(xué)歷比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）；兩組醫(yī)生的性別、年齡、學(xué)歷、職稱比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。AI組全科醫(yī)生的皮膚病診斷準(zhǔn)確率高于對(duì)照組（64.0% vs 37.5%，P=0.012）。治療14 d后，AI組、對(duì)照組患者的DLQI評(píng)分較治療前均有改善（P<0.05），AI組改善程度優(yōu)于對(duì)照組（P<0.05）。AI組患者的滿意度高于對(duì)照組（P=0.024），AI組患者第14天DLQI評(píng)分與患者滿意度呈正相關(guān)（rs=0.471，95%CI=0.186～0.683，P=0.002），DLQI評(píng)分的改善程度與患者滿意度亦呈正相關(guān)（rs=0.816，95%CI=0.676～0.899，P<0.001）。問(wèn)卷調(diào)查結(jié)果顯示，大多數(shù)醫(yī)生對(duì)AI輔助系統(tǒng)的使用體驗(yàn)持積極態(tài)度，認(rèn)為其在診斷選擇（70.0%）、輔助診斷（80.0%）、治療建議（60.0%）和專業(yè)知識(shí)提供方面（90.0%）具有實(shí)際價(jià)值，90.0%的醫(yī)生表示會(huì)繼續(xù)使用AI輔助系統(tǒng)。結(jié)論 在基層醫(yī)療環(huán)境中應(yīng)用AI輔助系統(tǒng)可以提升全科醫(yī)生的皮膚病診斷準(zhǔn)確率，改善患者的生活質(zhì)量和就診滿意度，且大多數(shù)醫(yī)生對(duì)AI輔助系統(tǒng)的使用體驗(yàn)持積極態(tài)度。

【關(guān)鍵詞】 皮膚疾?。蝗漆t(yī)生；人工智能；AI輔助系統(tǒng)；初級(jí)衛(wèi)生保??；診斷；疾病管理

【中圖分類號(hào)】 R 161 R 75 R-05 【文獻(xiàn)標(biāo)識(shí)碼】 A DOI：10.12114/j.issn.1007-9572.2024.0121

The Application of AI in Primary Care General Practitioners' Practice：a Perspective on Skin Disease Diagnosis and Disease Course Management

LIU Huan，ZHU Shifei，CHEN Fayu，WANG Jinghua*

Department of General Practice，Affiliated Hospital of Hangzhou Normal University，Hangzhou 310015，China

*Corresponding author：WANG Jinghua，Chief physician；E-mail：20201018@hznu.edu.cn

【Abstract】 Background Primary care general practitioners encounter significant challenges in diagnosing and managing skin diseases，highlighting the urgent need for artificial intelligence（AI） assisted systems. Although AI has the potential to improve diagnostic and treatment efficiency，research on its application in primary care settings remains limited. Objective To investigate the effectiveness and impact of an AI-assisted system in supporting primary care general practitioners with the diagnosis and management of skin diseases. Methods From December 2022 to March 2024，19 general practitioners from community health centers in Hangzhou were voluntarily recruited for this study. They were randomly divided into two groups：an AI group with 10 physicians and a control group with 9 physicians. During this period，these physicians treated a total of 90 patients with skin diseases：50 in the AI group and 40 in the control group. Physicians in the AI group utilized the Ruifu AI-assisted system for diagnosing and managing dermatological diseases，whereas those in the control group followed standard treatment protocols without AI assistance. Both groups compiled patients' medical records，auxiliary examination reports，and photographs of skin lesions during consultations. Two skin disease experts were invited to conduct remote consultations to evaluate the diagnostic accuracy of the two groups. On the first day（1 d） and the fourteenth day（14 d） of treatment，patients underwent assessments using the Dermatology Life Quality Index（DLQI），and satisfaction surveys were conducted separately for patients in the AI and control groups. A questionnaire survey was administered to doctors in the AI group to assess their experience with the Ruifu AI-assisted system. Results No significant differences were observed in gender，age，or education level among patients in the AI and control groups（P>0.05），nor among physicians in terms of gender，age，education，and professional titles（P>0.05）. The AI group's general practitioners achieved higher diagnostic accuracy for skin diseases than those in the control group（64.0% vs 37.5%，P=0.012）. Fourteen days post-treatment，improvements in the DLQI scores were observed in both the AI and control groups，with significant differences（P<0.05），and the improvement in the AI group was more significant（P<0.05）. The satisfaction level of the AI group was higher than that of the control group（P=0.024），and there was a positive correlation between the 14 d DLQI score and patient satisfaction in the AI group（rs=0.471，95%CI=0.186-0.683，P=0.002），the correlation between the improvement in DLQI score and patient satisfaction was even more significant（rs=0.816，95%CI=0.676-0.899，P<0.001）. The results of the questionnaire survey revealed that a majority of physicians demonstrated a positive attitude towards their use of the AI-assisted system，acknowledging its practical value in several areas：diagnosis selection（70.0%），auxiliary diagnosis（80.0%），treatment recommendations（60.0%），and the provision of professional knowledge（90.0%）. Remarkably，90.0% of the physicians indicated their intention to continue utilizing the AI-assisted system. Conclusion In the primary care setting，the application of AI-assisted systems has enhanced the diagnostic accuracy of general practitioners in identifying skin diseases，improves the quality of life for patients，and increases patient satisfaction. The majority of general practitioners report positive experiences with the use of AI-assisted systems.

【Key words】 Skin diseases；General practitioners；Artificial intelligence；AI-assisted systems；Primary health care；Diagnosis；Disease management

皮膚病是常見(jiàn)病之一，嚴(yán)重影響了患者的生活質(zhì)量，給患者和社會(huì)帶來(lái)一定的經(jīng)濟(jì)負(fù)擔(dān)［1-2］?；鶎俞t(yī)療衛(wèi)生機(jī)構(gòu)極少開(kāi)設(shè)皮膚科門(mén)診，皮膚病患者常就診于全科門(mén)診或二級(jí)、三級(jí)醫(yī)院的皮膚科?；鶎尤漆t(yī)生在診斷和治療常見(jiàn)皮膚病方面的能力不足，特別是在偏遠(yuǎn)地區(qū)，這影響了基層醫(yī)療服務(wù)的質(zhì)量和效率，影響了社區(qū)首診及分級(jí)診療制度的推進(jìn)。因此，迫切需要一種有效的輔助工具來(lái)幫助基層全科醫(yī)生提高皮膚病診治水平。近年來(lái)，人工智能（artificial intelligence，AI）技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用已成為研究熱點(diǎn)，特別是在皮膚病診斷方面［3-4］。AI輔助系統(tǒng)在提高診斷準(zhǔn)確性和提升患者生活質(zhì)量方面具有潛力，是未來(lái)醫(yī)療領(lǐng)域的重要研究方

向［5］。盡管AI輔助系統(tǒng)在皮膚科、影像科、病理科的應(yīng)用受到了廣泛關(guān)注，但其在基層醫(yī)療實(shí)踐中的研究仍少有報(bào)道。中南大學(xué)湘雅二醫(yī)院陸前進(jìn)教授團(tuán)隊(duì)開(kāi)發(fā)的睿膚系統(tǒng)，能協(xié)助診斷銀屑病、特應(yīng)性皮炎等皮膚病，診斷準(zhǔn)確率高達(dá)95.80%［6］。睿膚AI輔助系統(tǒng)目前已實(shí)現(xiàn)多項(xiàng)功能，包括智能識(shí)別、銀屑病皮損面積及嚴(yán)重程度指數(shù)評(píng)分、特應(yīng)性皮炎評(píng)分，以及多模態(tài)深度學(xué)習(xí)輔助的紅斑狼瘡亞型診斷，并可支持智能病程管理與患者隨訪［7-8］。本研究旨在將睿膚AI輔助系統(tǒng)應(yīng)用于基層全科醫(yī)生的皮膚病輔助診斷和病程管理中，探討其對(duì)基層全科醫(yī)生皮膚病診療水平的提升效果，從而為AI在基層醫(yī)療實(shí)踐中的應(yīng)用提供參考。

1 對(duì)象與方法

1.1 研究對(duì)象

于2022年12月—2024年3月，在杭州市4個(gè)區(qū)的社區(qū)衛(wèi)生服務(wù)中心選取19名符合條件的全科醫(yī)生為研究對(duì)象，采用隨機(jī)數(shù)字表法將其分為AI組10名、對(duì)照組9名。納入標(biāo)準(zhǔn)：（1）年齡≤50歲；（2）能熟練使用智能手機(jī)。排除標(biāo)準(zhǔn)：曾在三級(jí)甲等醫(yī)院皮膚科進(jìn)修。同時(shí)納入兩組醫(yī)生在研究期間接診的皮膚病患者90例，AI組50例、對(duì)照組40例。納入標(biāo)準(zhǔn)：在社區(qū)衛(wèi)生服務(wù)中心全科門(mén)診就診，且有皮膚病方面主訴。排除標(biāo)準(zhǔn)：（1）合并嚴(yán)重的心腦血管疾病和/或臟器功能衰竭；（2）患有精神疾病，或存在藥物/物質(zhì)依賴；（3）皮膚科急癥、病情危重需立即搶救，如急性蕁麻疹伴休克、大皰性表皮松解壞死型藥疹、大面積燒傷等；（4）存在聽(tīng)力或語(yǔ)言障礙，無(wú)法回答問(wèn)題；（5）病歷信息不完整、皮損照片缺失，或失訪。本研究經(jīng)杭州師范大學(xué)附屬醫(yī)院醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)［審批號(hào)：2021-（E2）-HS-094］，納入研究的全科醫(yī)生、患者及家屬均對(duì)本研究知情同意并自愿參加。

1.2 研究方法

1.2.1 AI輔助診療系統(tǒng)。睿膚AI輔助系統(tǒng)是由皮膚病人工智能發(fā)展聯(lián)盟指導(dǎo)、多方協(xié)同構(gòu)建的新一代皮膚病AI輔助診療系統(tǒng)。該系統(tǒng)采用輕量化設(shè)計(jì)，與微信高度集成，醫(yī)生僅需一部智能手機(jī)即可便捷使用。睿膚識(shí)別支持手機(jī)拍照、輔助拍照、相冊(cè)上傳3種模式，滿足多種應(yīng)用場(chǎng)景，對(duì)近百種皮膚疾病識(shí)別準(zhǔn)確率高。在識(shí)別每一張患者皮損照片后，系統(tǒng)會(huì)給出3種可能的疾病診斷，點(diǎn)擊每種疾病下方的“查看更多內(nèi)容”可以鏈接到該疾病相關(guān)的病因及發(fā)病機(jī)制、臨床表現(xiàn)、組織病理、診斷和鑒別診斷、治療內(nèi)容，為醫(yī)生提供相關(guān)疾病診斷的專業(yè)知識(shí)和治療方案參考。睿膚AI輔助系統(tǒng)目前已開(kāi)展睿膚識(shí)別、病程管理等功能［6-8］。

1.2.2 診斷過(guò)程。（1）AI組：對(duì)AI組醫(yī)生進(jìn)行睿膚AI輔助系統(tǒng)的使用培訓(xùn)，醫(yī)生在接診有皮膚病主訴的患者時(shí)使用睿膚識(shí)別AI輔助診斷，并在睿膚病程管理平臺(tái)錄入患者就診病歷資料及實(shí)驗(yàn)室檢查結(jié)果，收集皮損照片。（2）對(duì)照組：不使用AI輔助診斷，按常規(guī)診療流程收集接診皮膚病患者病歷資料、實(shí)驗(yàn)室檢查結(jié)果及皮損照片。同時(shí)期患者資料（接診醫(yī)生信息將被覆蓋）將由2名皮膚病專家遠(yuǎn)程會(huì)診審核把關(guān)，評(píng)估診斷的準(zhǔn)確性，并將修正診斷結(jié)果、治療原則反饋給各組醫(yī)生。

1.2.3 隨訪管理。AI組醫(yī)生將患者納入睿膚病程管理，根據(jù)系統(tǒng)推薦的皮膚病隨訪方案對(duì)患者進(jìn)行隨訪管理，記錄皮損變化情況。AI組和對(duì)照組醫(yī)生分別于接診第1、14天對(duì)患者進(jìn)行皮膚病生活質(zhì)量指數(shù)（DLQI）評(píng)分，評(píng)估皮膚病對(duì)患者生活的影響，分析兩組全科醫(yī)生管理患者的皮損改善程度。DLQI是一種應(yīng)用廣泛的量表，旨在評(píng)估皮膚病對(duì)患者日常生活的影響程度，該量表包含10個(gè)問(wèn)題，覆蓋癥狀和感受、日?；顒?dòng)、休閑、工作和學(xué)習(xí)、個(gè)人關(guān)系及治療反應(yīng)等多個(gè)方面，選項(xiàng)為“無(wú)影響”～“極大影響”，總分范圍為0～30分。在臨床研究和實(shí)踐中，DLQI被應(yīng)用于評(píng)估多種皮膚病患者的生活質(zhì)量、治療效果，并指導(dǎo)治療決策，DLQI在皮膚科疾病診療中具有廣泛適用性和重要價(jià)值［9］。

1.2.4 患者滿意度評(píng)價(jià)。對(duì)AI組和對(duì)照組患者進(jìn)行總體服務(wù)滿意度測(cè)評(píng)，選項(xiàng)包括“比較滿意”“基本滿意”“不滿意”，以“比較滿意”“基本滿意”計(jì)算滿意度。

1.2.5 醫(yī)生使用體驗(yàn)評(píng)價(jià)。通過(guò)問(wèn)卷調(diào)查全科醫(yī)生對(duì)睿膚AI輔助系統(tǒng)的使用體驗(yàn)，包括診斷選擇、鑒別診斷、輔助診斷、治療建議、專業(yè)知識(shí)助益、整體滿意度及未來(lái)使用意向等方面。

1.3 統(tǒng)計(jì)學(xué)方法

采用GraphPad Prism 8.0軟件進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)學(xué)處理。計(jì)數(shù)資料以相對(duì)數(shù)表示，組間比較采用χ2檢驗(yàn)或Fisher's確切概率法；計(jì)量資料采用Shapiro-Wilk進(jìn)行正態(tài)性檢驗(yàn)，非正態(tài)分布的計(jì)量資料用M（P25，P75）表示，組間兩兩比較采用Mann-Whitney U檢驗(yàn)，組內(nèi)配對(duì)比較采用Wilcoxon符號(hào)秩檢驗(yàn)；相關(guān)性分析采用Spearman秩相關(guān)分析。以P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 兩組患者和全科醫(yī)生的基線資料比較

兩組患者的性別、年齡、學(xué)歷比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），見(jiàn)表1。兩組全科醫(yī)生的性別、年齡、學(xué)歷、職稱比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），見(jiàn)表2。

分析兩組疾病診斷和數(shù)量：AI組診斷皮膚病21種，診斷頻次排在前3位的分別為濕疹（6例）、脂溢性角化?。?例）、皮炎（5例）；對(duì)照組診斷皮膚病20種，診斷頻次排在前3位的分別為脂溢性角化病（4例）、濕疹樣疹（3例）、接觸性皮炎（3例）。兩組診斷頻次排前10位的疾病患者均占各組總病例數(shù)的70.0%

以上。

2.2 兩組診斷準(zhǔn)確性比較

AI組中，32例（64.0%）患者的診斷結(jié)果正確，18例（36.0%）患者的診斷錯(cuò)誤；對(duì)照組中，15例（37.5%）患者的診斷結(jié)果正確，25例（62.5%）患者的診斷結(jié)果錯(cuò)誤。兩組患者診斷準(zhǔn)確率比較，差異有統(tǒng)計(jì)學(xué)意義（χ2=6.255，P=0.012）。

2.3 兩組患者DLQI評(píng)分變化

兩組患者第1、14天的DLQI評(píng)分比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。兩組患者第14天的DLQI評(píng)分與第1 天比較，差異均有統(tǒng)計(jì)學(xué)意義（P<0.05）。兩組患者的改善程度（DLQI評(píng)分差值）比較，差異有統(tǒng)計(jì)學(xué)意義（P<0.05），見(jiàn)表3。

2.4 兩組患者滿意度及其與DLQI評(píng)分的相關(guān)性分析

對(duì)AI組和對(duì)照組分別進(jìn)行患者滿意度調(diào)查，共計(jì)發(fā)放問(wèn)卷90份，回收有效問(wèn)卷75份，問(wèn)卷有效回收率為83.3%。在AI組，42例患者中有25名（59.5%）表示比較滿意，17例（40.5%）表示基本滿意，無(wú)患者表示不滿意；對(duì)照組中，33例患者中有11例（33.3%）表示比較滿意，22例（66.7%）表示基本滿意，無(wú)患者表示不滿意。兩組患者滿意度比較，差異有統(tǒng)計(jì)學(xué)意義（χ2=5.079，P=0.024）。

在AI組中，第14天DLQI評(píng)分與患者滿意度呈正相關(guān)（rs=0.471，95%CI=0.186～0.683，P=0.002），且DLQI評(píng)分的改善程度與患者滿意度之間的正相關(guān)性更為顯著（rs=0.816，95%CI=0.676～0.899，P<0.001）。

在對(duì)照組中，第14天DLQI評(píng)分與患者滿意度無(wú)相關(guān)關(guān)系（rs=0.276，95%CI=-0.085～0.573，P=0.120），但對(duì)照組中DLQI評(píng)分的改善程度與患者滿意度呈正相關(guān)（rs=0.773，95%CI=0.578～0.884，P<0.001）。

2.5 全科醫(yī)生對(duì)AI輔助系統(tǒng)的使用體驗(yàn)

全科醫(yī)生對(duì)AI輔助系統(tǒng)的使用持積極態(tài)度，≥60.0%的全科醫(yī)生認(rèn)為其在診斷選擇（70.0%）、鑒別診斷（60.0%）、輔助診斷（80.0%）、治療建議（60.0%）、專業(yè)知識(shí)助益（90.0%）方面具有價(jià)值，90.0%的全科醫(yī)生對(duì)系統(tǒng)的整體使用感到滿意，90.0%的全科醫(yī)生表示會(huì)繼續(xù)使用AI輔助系統(tǒng)，見(jiàn)表4。

3 討論

AI技術(shù)（尤其是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)）已經(jīng)在皮膚病診斷領(lǐng)域取得明顯進(jìn)展，其診斷準(zhǔn)確率在某些情況下甚至超過(guò)了人類專家，尤其是在黑色素瘤等皮膚疾病的診斷中［10-11］。KRAMMER等［12］的研究進(jìn)一步證實(shí)了AI模型在皮膚病分類診斷上的高準(zhǔn)確性。在皮膚科，AI有望提高傳統(tǒng)診斷方法的效率和準(zhǔn)確性，包括視覺(jué)檢查、皮膚活檢和組織病理學(xué)檢查［13］。本研究中，應(yīng)用AI輔助系統(tǒng)的全科醫(yī)生在皮膚病診斷中的準(zhǔn)確率達(dá)64.0%。這與GROH等［14］的研究結(jié)果一致，后者發(fā)現(xiàn)引入AI輔助系統(tǒng)后，皮膚科專家和全科醫(yī)生的診斷準(zhǔn)確率均明顯提高，特別是對(duì)于全科醫(yī)生，AI系統(tǒng)的輔助使其診斷準(zhǔn)確率提高了69%，凸顯了AI輔助系統(tǒng)在基層醫(yī)療環(huán)境中的潛在應(yīng)用價(jià)值。對(duì)于全科醫(yī)生而言，AI輔助系統(tǒng)可以作為一種重要的輔助工具，幫助其更準(zhǔn)確地診斷皮膚病。盡管AI輔助系統(tǒng)提高了皮膚病診斷的總體準(zhǔn)確率，但在深膚色患者的診斷中，準(zhǔn)確率的提升幅度相對(duì)較?。?4］。這一發(fā)現(xiàn)強(qiáng)調(diào)了在開(kāi)發(fā)和訓(xùn)練AI模型時(shí)，需要考慮數(shù)據(jù)集的多樣性和代表性，以減少對(duì)特定人群的診斷偏差。

AI在皮膚病診斷領(lǐng)域的應(yīng)用取得了進(jìn)展［3，15］，但其在臨床實(shí)踐中的普遍性和適用性仍然難以實(shí)現(xiàn)［4］。AI在疾病管理方面的研究少有報(bào)告，這可能是因?yàn)槠つw病治療涉及復(fù)雜的臨床決策、個(gè)性化治療方案及倫理問(wèn)題。本研究通過(guò)設(shè)置專家遠(yuǎn)程會(huì)診系統(tǒng)，不僅提高了診斷的準(zhǔn)確性，還為全科醫(yī)生提供了治療建議，保障了患者利益。本研究發(fā)現(xiàn)，使用AI輔助系統(tǒng)的患者DLQI評(píng)分改善程度及滿意度均優(yōu)于對(duì)照組，且DLQI評(píng)分改善程度與患者滿意度呈正相關(guān)。原因可能是以下因素的綜合作用：（1）AI輔助系統(tǒng)提升了全科醫(yī)生的初診準(zhǔn)確率；（2）AI輔助系統(tǒng)提供的專業(yè)知識(shí)鏈接和治療建議為全科醫(yī)生的臨床決策提供了理論支持；（3）采用AI輔助系統(tǒng)進(jìn)行皮膚病的持續(xù)監(jiān)測(cè)和管理，患者可通過(guò)智能手機(jī)應(yīng)用上傳皮損圖像，系統(tǒng)通過(guò)分析圖像變化來(lái)監(jiān)測(cè)病情進(jìn)展，及時(shí)調(diào)整治療方案。AI輔助系統(tǒng)協(xié)助醫(yī)生為患者制定了更為有效的治療計(jì)劃，加速了患者病情的改善，從而提升了患者的滿意度與生活質(zhì)量。對(duì)照組患者的第14天DLQI評(píng)分與滿意度無(wú)相關(guān)關(guān)系，考慮與樣本量有限、滿意度問(wèn)卷部分患者未回復(fù)造成數(shù)據(jù)偏差有關(guān)，后續(xù)可通過(guò)增加樣本量、提高患者回復(fù)率來(lái)進(jìn)一步驗(yàn)證。

AI的應(yīng)用引起了廣泛關(guān)注，但關(guān)于醫(yī)生對(duì)AI的態(tài)度和信任度的研究仍相對(duì)有限［16］。一項(xiàng)針對(duì)沙特阿拉伯皮膚科醫(yī)生的橫斷面調(diào)查研究顯示：大多數(shù)醫(yī)生認(rèn)為AI在基于皮膚科臨床圖像（50.9%）、皮膚鏡圖像（66.6%）和皮膚病理學(xué)（66.6%）中自動(dòng)檢測(cè)皮膚疾病方面具有較強(qiáng)或強(qiáng)大的潛力，然而有相當(dāng)一部分受訪者不認(rèn)為AI將在未來(lái)取代醫(yī)生（41.5%）和皮膚科醫(yī)生（39.6%）［17］。另一項(xiàng)針對(duì)巴林二級(jí)和三級(jí)醫(yī)院的精神科、病理科、放射科和外科醫(yī)生的橫斷面調(diào)查結(jié)果表明，醫(yī)生對(duì)AI的態(tài)度總體上是積極的，病理科醫(yī)生更傾向于用AI來(lái)“為患者制定個(gè)性化的藥物和/或治療計(jì)劃”和“在各種環(huán)境中訪問(wèn)患者以獲取病史”［18］。本研究發(fā)現(xiàn)，大多數(shù)醫(yī)生對(duì)AI輔助系統(tǒng)持積極態(tài)度，認(rèn)為其在多個(gè)方面提供了實(shí)際幫助，顯示了AI技術(shù)在臨床實(shí)踐中的高接受度和滿意度。本研究與國(guó)際研究結(jié)果顯示的趨勢(shì)一致：大多數(shù)醫(yī)生對(duì)AI在醫(yī)學(xué)實(shí)踐中的應(yīng)用持積極和歡迎態(tài)度［19］。

基層全科醫(yī)生在常見(jiàn)皮膚病的診療方面通常面臨挑戰(zhàn)，很大程度上限制了基層醫(yī)療服務(wù)的質(zhì)量和效率。針對(duì)這一問(wèn)題，本研究將皮膚病AI輔助系統(tǒng)應(yīng)用于基層全科醫(yī)生的皮膚病輔助診斷和病程管理中，提高了全科醫(yī)生的皮膚病診斷準(zhǔn)確率，改善了患者皮膚病生活質(zhì)量，提高了患者診療滿意度。本研究將著眼于將AI技術(shù)更廣泛地推廣至基層醫(yī)療領(lǐng)域，尤其是那些缺乏皮膚科專業(yè)醫(yī)生的偏遠(yuǎn)地區(qū)。旨在通過(guò)技術(shù)解決這些地區(qū)“就醫(yī)難”的問(wèn)題，促進(jìn)分級(jí)診療體系的建立，并改善醫(yī)療服務(wù)質(zhì)量。然而，在基層醫(yī)療環(huán)境中應(yīng)用AI系統(tǒng)也面臨著多重挑戰(zhàn)。（1）技術(shù)挑戰(zhàn)：AI系統(tǒng)的準(zhǔn)確性、安全性和偏差問(wèn)題。BUCK等［20］研究發(fā)現(xiàn)，德國(guó)全科醫(yī)生對(duì)AI系統(tǒng)的準(zhǔn)確性和安全性表示擔(dān)憂。一項(xiàng)南加州的調(diào)查研究也指出，初級(jí)衛(wèi)生保健醫(yī)生對(duì)AI系統(tǒng)的準(zhǔn)確性、安全性和潛在偏差表示關(guān)注，強(qiáng)調(diào)了技術(shù)問(wèn)題的解決對(duì)于AI系統(tǒng)成功實(shí)施的重要性［19］。（2）人員和流程挑戰(zhàn)：AI對(duì)工作流程的影響、醫(yī)療系統(tǒng)對(duì)創(chuàng)新醫(yī)療方式的支持不足，以及醫(yī)生對(duì)潛在增加的工作量和職業(yè)倦怠的擔(dān)憂［19］。（3）倫理和社會(huì)挑戰(zhàn)：涉及數(shù)據(jù)隱私、算法透明度和解釋度，以及醫(yī)療公平性等問(wèn)題［16］。VO等［21］研究強(qiáng)調(diào)了AI在皮膚科應(yīng)用中的倫理、法律和社會(huì)問(wèn)題。研究發(fā)現(xiàn)，患者對(duì)AI診斷中的數(shù)據(jù)隱私和算法偏見(jiàn)表示擔(dān)憂，患者對(duì)AI的接受度受到多種因素的影響，包括對(duì)AI技術(shù)的了解度、對(duì)醫(yī)生和AI的信任度［22］。開(kāi)發(fā)和部署AI系統(tǒng)時(shí)，需要考慮多元化的數(shù)據(jù)集，以減少潛在的偏見(jiàn)，并提高系統(tǒng)的普適性和公平性，依托更可靠的數(shù)據(jù)及實(shí)踐經(jīng)驗(yàn)提高醫(yī)生及患者對(duì)AI的信任度。

因此，基層醫(yī)療環(huán)境中AI的實(shí)施挑戰(zhàn)是多方面的。解決這些挑戰(zhàn)需要綜合考慮技術(shù)創(chuàng)新、組織變革和倫理指導(dǎo)原則，以確保AI技術(shù)能夠有效且安全地整合到基層醫(yī)療實(shí)踐中。AI在基層醫(yī)療中的實(shí)施和應(yīng)用，需要跨學(xué)科合作，包括技術(shù)開(kāi)發(fā)者、醫(yī)療專業(yè)人員、政策制定者、患者和社會(huì)各界的積極參與和溝通。

4 小結(jié)

本研究探討了AI輔助系統(tǒng)在基層醫(yī)療環(huán)境中的應(yīng)用效果，發(fā)現(xiàn)AI輔助系統(tǒng)可以提高全科醫(yī)生皮膚病診斷的準(zhǔn)確率，改善患者的生活質(zhì)量，并提高患者滿意度。將AI輔助系統(tǒng)實(shí)施于基層醫(yī)療環(huán)境中面臨多重挑戰(zhàn)，未來(lái)的研究應(yīng)重點(diǎn)探索針對(duì)這些挑戰(zhàn)的解決方案，以促進(jìn)AI技術(shù)在基層醫(yī)療中的有效整合和應(yīng)用，進(jìn)而提高基層醫(yī)療服務(wù)的質(zhì)量和效率。將AI技術(shù)更廣泛地應(yīng)用于基層醫(yī)療領(lǐng)域，尤其是偏遠(yuǎn)地區(qū)的基層醫(yī)療領(lǐng)域，以助推分級(jí)診療制度的實(shí)施。

本研究的局限性：（1）樣本量有限，這可能影響了結(jié)果的普遍性和代表性，未來(lái)的研究應(yīng)考慮擴(kuò)大樣本規(guī)模以增強(qiáng)研究結(jié)論的可靠性；（2）隨訪時(shí)間較短，DLQI評(píng)分為第1天和第14天，對(duì)于常見(jiàn)急性皮膚病2周能觀察到明顯改善療效，但是對(duì)于部分進(jìn)展緩慢的皮膚病（如銀屑病、特應(yīng)性皮炎），可能需要更長(zhǎng)隨訪期（數(shù)個(gè)月）才能得出更可信的結(jié)論；（3）部分患者未回復(fù)滿意度問(wèn)卷，可能造成數(shù)據(jù)偏差；（4）研究中使用了一種AI輔助系統(tǒng)，需要納入多種AI輔助系統(tǒng)對(duì)比準(zhǔn)確性和有效性，排除可能存在的性能偏差。

作者貢獻(xiàn)：劉環(huán)進(jìn)行文章的構(gòu)思與設(shè)計(jì)，數(shù)據(jù)整理和統(tǒng)計(jì)學(xué)處理，撰寫(xiě)論文；朱世飛、陳法余進(jìn)行數(shù)據(jù)收集；王靜華負(fù)責(zé)文章的質(zhì)量控制與審查，對(duì)文章整體負(fù)責(zé)。

本文無(wú)利益沖突。

劉環(huán)：https：//orcid.org/0009-0000-7250-6543

參考文獻(xiàn)

SETH D，CHELDIZE K，BROWN D，et al. Global burden of skin disease：inequities and innovations［J］. Curr Dermatol Rep，2017，6（3）：204-210. DOI：10.1007/s13671-017-0192-7.

KAO S Z，EKWUEME D U，HOLMAN D M，et al. Economic burden of skin cancer treatment in the USA：an analysis of the Medical Expenditure Panel Survey Data，2012-2018［J］. Cancer Causes Control，2023，34（3）：205-212. DOI：10.1007/s10552-022-01644-0.

DOELEMAN T，HONDELINK L M，VERMEER M H，et al. Artificial intelligence in digital pathology of cutaneous lymphomas：a review of the current state and future perspectives［J］. Semin Cancer Biol，2023，94：81-88. DOI：10.1016/j.semcancer.2023.06.004.

LIOPYRIS K，GREGORIOU S，DIAS J，et al. Artificial intelligence in dermatology：challenges and perspectives［J］. Dermatol Ther，2022，12（12）：2637-2651. DOI：10.1007/s13555-022-008

33-8.

STRZELECKI M，KOCIO?EK M，STR?KOWSKA M，et al. Artificial intelligence in the detection of skin cancer：state of the art［J］. Clin Dermatol，2024，42（3）：280-295. DOI：10.1016/j.clindermatol.2023.12.022.

WU H J，YIN H，CHEN H P，et al. A deep learning，image based approach for automated diagnosis for inflammatory skin diseases［J］. Ann Transl Med，2020，8（9）：581. DOI：10.21037/atm.2020.04.39.

LI Q W，YANG Z，CHEN K L，et al. Human-multimodal deep learning collaboration in 'precise' diagnosis of lupus erythematosus subtypes and similar skin diseases［J］. J Eur Acad Dermatol Venereol，2024. DOI：10.1111/jdv.20031.

YIN H，CHEN H，ZHANG W，et al. Image-based remote evaluation of PASI scores with psoriasis by the YOLO-v4 algorithm［J］. Exp Dermatol，2024，33（4）：e15082. DOI：10.1111/exd.15082.

VYAS J，JOHNS J R，ALI F M，et al. A systematic review of 454 randomized controlled trials using the Dermatology Life Quality Index：experience in 69 diseases and 43 countries［J］. Br J Dermatol，2024，190（3）：315-339. DOI：10.1093/bjd/ljad079.

BRINKER T J，HEKLER A，ENK A H，et al. Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task［J］. Eur J Cancer，2019，113：47-54. DOI：10.1016/j.ejca.2019.04.001.

TOBAR M D P B，CLEMANN S，HAGENS R，et al. Skinly：a novel handheld IoT device for validating biophysical skin characteristics［J］. Skin Res Technol，2024，30（3）：e13613. DOI：10.1111/srt.13613.

KRAMMER S，LI Y，JAKOB N，et al. Deep learning-based classification of dermatological lesions given a limited amount of labelled data［J］. J Eur Acad Dermatol Venereol，2022，36（12）：2516-2524. DOI：10.1111/jdv.18460.

PATEL S，WANG J V，MOTAPARTHI K，et al. Artificial intelligence in dermatology for the clinician［J］. Clin Dermatol，2021，39（4）：667-672. DOI：10.1016/j.clindermatol.2021.03.012.

GROH M，BADRI O，DANESHJOU R，et al. Deep learning-aided decision support for diagnosis of skin disease across skin tones［J］. Nat Med，2024，30（2）：573-583. DOI：10.1038/s41591-023-02728-3.

CROVELLA S，SULEMAN M，TRICARICO P M，et al. Harnessing artificial intelligence for advancing early diagnosis in hidradenitis suppurativa［J］. Ital J Dermatol Venerol，2024，159（1）：43-49. DOI：10.23736/S2784-8671.23.07829-5.

GORDON E R，TRAGER M H，KONTOS D，et al. Ethical considerations for artificial intelligence in dermatology：a scoping review［J］. Br J Dermatol，2024，190（6）：789-797. DOI：10.1093/bjd/ljae040.

AL-ALI F，POLESIE S，PAOLI J，et al. Attitudes towards artificial intelligence among dermatologists working in Saudi Arabia［J］. Dermatol Pract Concept，2023，13（1）：e2023035. DOI：10.5826/dpc.1301a35.

AL-MEDFA M K，AL-ANSARI A M S，DARWISH A H，et al. Physicians' attitudes and knowledge toward artificial intelligence in medicine：benefits and drawbacks［J］. Heliyon，2023，9（4）：e14744. DOI：10.1016/j.heliyon.2023.e14744.

ALLEN M R，WEBB S，MANDVI A，et al. Navigating the doctor-patient-AI relationship - a mixed-methods study of physician attitudes toward artificial intelligence in primary care［J］. BMC Prim Care，2024，25（1）：42. DOI：10.1186/s12875-024-02282-y.

BUCK C，DOCTOR E，HENNRICH J，et al. General practitioners' attitudes toward artificial intelligence-enabled systems：interview study［J］. J Med Internet Res，2022，24（1）：e28916. DOI：10.2196/28916.

VO V，CHEN G，AQUINO Y S J，et al. Multi-stakeholder preferences for the use of artificial intelligence in healthcare：a systematic review and thematic analysis［J］. Soc Sci Med，2023，338：116357. DOI：10.1016/j.socscimed.2023.116357.

ROBERTSON C，WOODS A，BERGSTRAND K，et al. Diverse patients' attitudes towards Artificial Intelligence（AI） in diagnosis［J］. PLoS Digit Health，2023，2（5）：e0000237. DOI：10.1371/journal.pdig.0000237.

（收稿日期：2024-04-01；修回日期：2024-06-18）

（本文編輯：王鳳微）