Rosacea-Schweregrade objektiv zu bewerten ist schwer. Eine Studie zeigt einen KI-Ansatz für standardisiertes, quantitatives Profiling, das über die bloße Sichtung von Rötungen hinausgeht.
Rosacea ist eine chronisch entzündliche Hauterkrankung, bei der die objektive und reproduzierbare Bewertung des Schweregrades sowohl in der klinischen Praxis als auch in der Forschung eine Herausforderung bleibt. In dieser Studie präsentierten wir einen KI-gestützten Bildgebungsansatz für das standardisierte, quantitative Profiling des Rosacea-Schweregrades über die sichtbare Rötung allein hinaus.
Unter Verwendung der klinisch validierten Scarletred® Vision Software Platform in Kombination mit einer mobilen Anwendung und standardisierter Bilderfassung über ein Hautpflaster wurden Gesichtsbilder longitudinal von 21 Patienten (355 Bilder) gesammelt. Die Analyse wird durch den Scarletred® ARORA AI-Agent unterstützt, eine multimodale Engine für künstliche Intelligenz, die die Bildvorverarbeitung, automatisierte Merkmalsextraktion und longitudinale Musteranalyse koordiniert. Der AI-Agent quantifizierte automatisch mehrere Rosacea-bezogene morphologische Marker, einschließlich der betroffenen Gesichtsoberfläche, der Erythemintensität, der Telangiektasielänge sowie der Anzahl von Papeln und Pusteln.
“With this work, our aim was to move beyond Subjective visual grading and provide dermatologists with an objective, standardized tool for assessing rosacea severity. Our AI-derived morphological biomarkers may support future digital endpoints in clinical trials and enable more personalized treatment strategies.”
Chiara Agostini, MSc., Data Scientist
Die KI-basierte Analyse ermöglichte eine genaue Abgrenzung erythematöser Areale und damit eine objektive Messung der Ausdehnung und Intensität des Erythems. Gleichzeitig wurden teleangiektatische Strukturen und entzündliche Läsionen erkannt und quantifiziert sowie das Vorhandensein und der Schweregrad eines Rhinophyms abgeschätzt. Die longitudinale Analyse erlaubte es, die Dynamik der Erythemintensität und Veränderungen morphologischer Marker im Zeitverlauf zu visualisieren, wodurch eine präzise Überwachung des Krankheitsverlaufs und des Ansprechens auf die Behandlung unterstützt wurde.
Unsere Ergebnisse demonstrieren das Potenzial der KI-gestützten Gesichtsbildgebung als standardisiertes, automatisiertes und reproduzierbares Framework für die Rosacea-Bewertung und ebnen den Weg zu einer personalisierteren und datengesteuerten dermatologischen Versorgung. Unser KI-unterstütztes Framework ermöglicht eine objektive, longitudinale Rosacea-Bewertung, die sowohl für die klinische Routinepraxis als auch für das dezentrale Monitoring geeignet ist. Im Gegensatz zu herkömmlichen ordinalen Einstufungssystemen liefert es kontinuierliche, quantitative Metriken über mehrere morphologische Dimensionen hinweg und unterstützt so eine reproduzierbare digitale Klinimetrie, während die Inter- und Intra-Beobachter-Variabilität minimiert wird.
Autoren: C. Agostini, M. Molnarova, M. Schaller, and H. Schnidar
Korrespondenzadresse
Chiara Agostini, MSc
SCARLETRED Holding GmbH
Wien, Österreich
Website: https://www.scarletred.com/
E-Mail: chiara.agostini@scarletred.com
Relevante Links zu aktuellen Projekten und Forschung im Zusammenhang mit dieser Arbeit:
Schaller, M., Riel, S., Bashur, R., Kurup, N., Schnidar, H., & Fehrenbacher, B. (2022). Ivermectin treatment in rosacea: How novel smartphone technology can support monitoring rosacea-associated signs and symptoms. Dermatologic Therapy, 35(11), Artikel e15869. https://doi.org/10.1111/dth.15869
Ranjan, R., Partl, R., Erhart, R., Kurup, N., & Schnidar, H. (2021). The mathematics of erythema: Development of machine learning models for artificial intelligence assisted measurement and severity scoring of radiation induced dermatitis. Computers in Biology and Medicine, 139, Artikel 104952. https://doi.org/10.1016/j.compbiomed.2021.104952
Partl, R., Jonko, B., Schnidar, S., Schöllhammer, M., Bauer, M., Singh, S., Simeckova, J., Wiesner, K., Neubauer, A., &
Schnidar, H. (2017). 128 SHADES OF RED: Objective remote assessment of radiation dermatitis by augmented digital skin imaging. Studies in Health Technology and Informatics, 236, 363–374: https://pubmed.ncbi.nlm.nih.gov/28508819/
