Het beoordelen van de ziekte-ernst van psoriasis op basis van gestandaardiseerde lichaamsfoto’s komt goed overeen met een beoordeling tijdens een fysiek consult.1 Als AI wordt gebruikt om het aangedane lichaamsoppervlak automatisch te bepalen, neemt die overeenkomst verder toe.
De Psoriasis Area and Severity Index (PASI) wordt veel gebruikt om ziekte-ernst en behandelrespons te beoordelen. De score is echter gevoelig voor verschillen in inter- en intrabeoordelaarsbetrouwbaarheid. Vooral het inschatten van het aangedane lichaamsoppervlak kan tot verschillen leiden. Canadese onderzoekers wilden daarom nagaan of ‘total body photography’, al dan niet ondersteund door AI, de beoordeling beter reproduceerbaar kan maken.
4 beoordelingen
Aan deze single-centre, prospectieve studie namen 33 volwassenen met plaque psoriasis deel. Zij zijn eerst fysiek onderzocht door een dermatoloog die tot een aangepaste PASI-score (mPASI) kwam. Hierbij zijn de scalp en genitale regio buiten beschouwing gelaten. Vervolgens beoordeelden 2 andere dermatologen dezelfde patiënten 2 keer op afstand aan de hand van 23 gestandaardiseerde lichaamsfoto’s. Daarnaast is met een op AI-gebaseerde Psoriasis Grading Tool automatisch het percentage aangedane huid berekend en in de mPASI verwerkt.
Hoge overeenkomst
De overeenkomst tussen de fysieke evaluatie en beoordeling op afstand was al hoog, met intraclass correlatiecoëfficiënten (ICC’s) van 0,90 en 0,91 voor de 2 beoordelaars. Met het toevoegen van de AI-bepaalde oppervlakte nam de overeenkomst verder toe; de ICC tussen de fysieke beoordeling en de AI-ondersteunde mPASI bedroeg 0,97.
Ook de reproduceerbaarheid verbeterde. De interbeoordelaarsbetrouwbaarheid tussen beide remote dermatologen steeg van 0,80-0,87 naar 0,89-0,91 bij het gebruik van de AI-bepaalde oppervlakte. Bij herhaalde beoordelingen door dezelfde beoordelaar nam de ICC toe van 0,92 en 0,93 naar respectievelijk 0,98 en 0,95.
Volgens de onderzoekers kan AI-ondersteunde total body photography vooral helpen om de subjectiviteit bij het schatten van het aangedane huidoppervlak te verminderen. Daarmee kan deze aanpak mogelijk bijdragen aan zowel betrouwbare beoordeling op afstand als aan meer consistente uitkomstmetingen in multicenteronderzoeken.
Bron:
Bissonnette R, Gooderham M, Vender R, et al. Comparison of in-person, virtual, and artificial intelligence-augmented assessments of psoriasis disease severity. EADV 2026, poster presentation P2535.