在临床实践中，诊断和治疗皮肤病涉及一系列任务，包括全身皮肤癌检测和风险评估、数百种皮肤病（如炎性皮肤病和色素性疾病）的鉴别诊断、多模式图像分析、病理解释、监测病变变化和预测结果等。因此需要一种全面的、以患者为中心的方法，将各种临床工作流程整合起来。目前的人工智能模型虽然在特定任务（如皮肤镜图像的皮肤癌诊断）中表现出色，但它们难以满足临床实践中复杂的多模式要求。

近日，来自澳大利亚蒙纳士大学的科学家团队在《Nature Medicine》期刊上发表题为“A multimodal vision foundation model for clinical dermatology ”的研究论文。该研究开发了一种用于临床皮肤科的多模态视觉基础模型——PanDerm。

该研究纳入了11 家临床机构的涉及 4 种成像模式的 200 多万张真实世界皮肤疾病图像，并基于此开发了PanDerm。研究团队在 28 个不同的基准测试中对 PanDerm 进行了评估，包括皮肤癌筛查、风险分层、常见和罕见皮肤疾病的鉴别诊断、病变分割、纵向监测以及转移预测和预后，PanDerm 在所有评估任务中均达到了最先进的性能，通常在仅使用 10% 的标注数据时就超过了现有的模型。此外，研究团队进一步评估了 PanDerm 模型的潜在临床效用。通过纵向分析，该模型在早期黑色素瘤检测中的表现比临床医生高出 10.2%；在皮肤镜图像分析中使临床医生的皮肤癌诊断准确率提升 11%；而针对临床照片中 128 种皮肤病症的鉴别诊断，该模型可使非皮肤科医生医疗人员的诊断准确率提升 16.5%。

该研究开发的多模态视觉基础模型PanDerm，有望在多种临床场景中改善患者护理，并可作为在其他医学专业中开发多模态基础模型的范例，进而加速人工智能支持在临床实践中的转化。

论文链接：

https://www.nature.com/articles/s41591-025-03747-y

注：此研究成果摘自《Nature Medicine》杂志，文章内容并不代表本网站的观点和和立场，仅供参考。