人工智能和深度学习可能会提供一种准确地检测莱姆病的方法

该技术可以识别与急性莱姆病相关的红斑偏头痛(EM)皮肤发红，从而实现更可靠的筛查，更准确的诊断和更早的治疗。它可以帮助避免严重的潜在的神经疾病，风湿病和心脏并发症。

科学家开发并测试了几种深度学习计算机模型，以从其他皮肤病学状况和正常皮肤中准确地挑选出EM。他们使用公共领域提供的非EM皮疹和正常皮肤的图像以及EM患者的临床照片“训练”了深度学习模型，以识别EM的外观。

在美国，每年有300,000例新的莱姆病病例，如果及早发现，治疗是最有效的。误诊是很常见的，尤其是在疾病初期。血液检测检测到抗伯氏疏螺旋体(莱姆病)的抗体的存在通常是不可靠的。使用血液或皮肤活检基因分析对实验室培养物中的病原体进行直接鉴定的测试可能会带来问题，临床医生还无法获得。

使用EM皮疹作为筛查方法也很困难，因为肉眼很容易将皮疹与其他疾病引起的皮肤炎症相混淆。

为了解决EM识别问题，研究人员应用了AI和DL方法来分析疑似莱姆病患者皮疹的手机图像。

评估公共领域的图像，计算机增强的图像分析系统的准确度范围从EM和其他皮疹之间进行选择时为72%，到从正常皮肤中挑选EM时为94%。对于已经被诊断出患有该疾病的患者的临床图像，该系统可以在86%的时间内肯定地识别出EM皮疹。

“能够使用人工智能和深度学习分析皮疹图像，使我们能够更准确地诊断出患者患有莱姆病，确定疾病的阶段，并制定更合适的治疗计划，”约翰霍普金斯大学莱姆病临床研究中心。

“因此，在不久的将来，如果您发现圆形的，红色的皮疹，可以尽快将其拍下来与医生分享。这样，即使皮疹消失并且您仍然有莱姆病症状，您的医生也可以使用我们的分析技术做出正确的诊断。”