皮肤镜作为一种无创性诊断技术，近年来在临床领域发展迅猛，被誉为皮肤科医生的“听诊器”。尽管在我国起步较晚，但发展势头强劲。在崔勇教授及皮肤影像能力建设委员会及广大兴趣爱好者的共同努力下，已出版众多专业书籍与专家共识，举办大量学术会议、培训班，发表诸多论文及国产设备研发等，推动该领域飞速发展。在某些方面，我国已与国外同步，部分研究甚至达到国际领先水平。然而，皮肤镜发展虽快，但仍面临诸多问题。皮肤镜诊断质量受设备性能、操作技能及诊断主观性影响，不同医生的判读水平差异显著甚至误诊。

近年来，人工智能研究水平与图像质量及标注准确性密切相关，后者已成为制约AI发展的关键瓶颈，亟待改善。皮肤病亚类繁多，目前分类已达两千多种，这给人工智能研究带来巨大挑战。因此，解决图像质量和精准标注问题，对于推动人工智能在皮肤科领域的研究至关重要。

近期，专家们参考大量文献，结合国内外应用现状，经皮肤影像能力建设委员会审核后制定《皮肤镜图像质量控制标准专家共识(2023)》，旨在提升国内皮肤影像整体水平。目前，我们正致力于加强推广，通过举办各类专业会议、学术交流、学习班培训等方式，促进知识共享与技能提升。特别是在国家卫健委人才交流服务中心的指导下全国皮肤镜能力提升考试已连续举办五年，取得了显著成效。这些培训与考试的目的并非单纯考证，更重要的是提升医生的诊疗水平。此外，我们还督促设备生产厂家提升设备性能与质量，以更好地推动图像质量的全面提升，进而提高诊疗水平。

《皮肤镜图像质量控制标准专家共识(2023)》的发布具有里程碑意义，它为皮肤镜的应用与发展提供了明确的指导与规范：

• 设备质量提升方案：共识着重强调了设备性能的重要性，并详细列出了关键的硬件设备指标与参数，有助于我们精准把控设备质量。此外，共识提出了切实可行的设备校检方案，这对于确保设备长期稳定运行、维持图像质量的可靠性至关重要。国内设备厂家应积极学习并应用这些方案，将其融入设备的研发、生产和售后环节中。同时，厂家需充分尊重临床一线医生的需求与意见，在设备设计与改进过程中充分考虑临床实际应用场景，以满足医生在诊断过程中的各种需求。此外，还应积极参考国外先进设备的经验与技术，博采众长，提升设备性能以增强国际竞争力。

• 临床医生操作规范：共识详细阐述了从患者接诊开始，到设备准备、检查实施，直至最终给出诊断意见的全过程操作流程。操作流程的规范化对于确保检查结果的准确性和可靠性至关重要。过去，由于缺乏统一的操作规范，很多报告存在不规范之处，甚至出现只有报告医生自己看得懂的情况，这给临床诊断和后续治疗带来了诸多不便。通过近年来对治疗标准的学习与推广，以及对皮肤影像专业术语的规范描述，我们在行业内逐步建立了统一的诊断语言，这对于提高诊断的准确性和一致性起到了重要作用。此外，我们还组织了多次全国性的皮肤镜图像竞赛，从竞赛图像来看，明显感觉到诊断水平有了显著提升。

• 统一报告格式与术语：共识的发布使大家有了统一的共识和表述方法，这极大地便利了同行之间的交流与合作，也有利于临床应用和患者理解。在报告质量方面，共识特别强调报告中的描述术语、诊断意见、图片打印以及诊断结果必须保持一致。这一要求看似简单，实则意义重大，它不仅有助于提高报告的专业性和准确性，更有利于同行之间的交流与会诊，方便患者在不同医疗机构之间转诊和接受进一步治疗。

在共识制定的基础上，应该加强基层医生的培训与进修。基层医院是皮肤镜应用的重要场所，但由于基层医生培训不足，导致设备使用不规范，报告质量参差不齐。应为基层医生提供更多学习机会，包括举办培训班、进修学习、远程教学等多种形式，帮助他们掌握皮肤镜的操作技能和诊断要点，提升他们的专业水平。此外，应该定期组织考核和培训活动，促进基层医疗水平的整体提升。再次，未来应建立皮肤镜设备质量提升评比，通过评比的形式，激励设备厂家不断提升设备性能，推动我国皮肤镜设备技术与国际接轨，提升我国皮肤镜设备的整体质量。

皮肤影像领域在人工智能应用方面具有独特的优势。一方面，皮肤图像主要反映的是皮肤表面的信息，这些信息相对容易获取；另一方面，皮肤镜技术能够将皮肤图像的视觉范围进行延伸，帮助我们看到一些肉眼难以察觉的细节，从而显著提升了诊断的准确性。据研究，皮肤镜诊断的准确率比肉眼诊断提高了约23.7%，而肉眼诊断的准确率一般在67%左右。然而，皮肤镜诊断也存在一定的主观性，受到医生的专业水平、设备性能等多种因素的影响。

在人工智能辅助诊断工具快速发展的背景下，我们意识到，要充分发挥人工智能的优势，首先需要建立图像标注的标准集，这是人工智能数据集建立的基础。同时，我们还需要解决图像“信息孤岛”的问题，目前，不同单位、不同医院的皮肤科医生之间信息交流还不够充分，这在一定程度上限制了人工智能技术的应用和发展。未来，我们需要打破这些“信息孤岛”，建立高质量的数据集，并进行精准的图像标注。因为对于人工智能研究来说，图像标注的质量至关重要，它直接关系到人工智能模型的准确性和可靠性。一张图片的标注，实际上反映了医生对这张图片的理解和认识。如果能够将标准图或典型图像特征纳入人工智能研究，将具有非常重要的意义。这需要我们大家共同努力，开发和应用相关技术，以解决这些问题，提升图像质量为抓手。

目前，图像质量的评估大多还是依赖于主观评价，例如医生或专家对图像质量的判断。未来，我们有望通过客观评价方法来提升图像质量评估的准确性，例如建立图像质量评分系统。此外，借助人工智能技术，我们还可以开发出能够自动识别图像质量的模块。通过对大量图像数据的训练，这个模块能够判断图像是否合格，是否符合诊断要求。这将大大提高图像质量评估的效率和准确性，为人工智能辅助诊断提供更可靠的数据支持。

在未来3-5年，我认为人工智能在皮肤科的应用将朝着模块化的方向发展。由于皮肤病的亚类众多，我们可以针对每一种疾病开发一个专门的模块，逐步解决各种皮肤疾病的辅助诊断问题。这种模块化的应用将使人工智能技术在临床实践中得到更广泛的推广和应用。随着数据的不断积累，这些模块的准确性和可靠性将不断提高，从而为临床诊断提供更有力的支持。同时，图像质量的提升也将进一步提高人工智能诊断的精度，两者之间是相辅相成、密切相关的。