近日，Monash大学牵头的国际研究团队开发出一款名为 PanDerm 的AI辅助诊断系统，有望大幅提升皮肤病及黑色素瘤的早期发现与诊断准确性。相关研究成果已发表于国际顶级医学期刊 Nature Medicine。
PanDerm 是全球首批专为皮肤科临床实践设计的多模态AI模型之一，可同时分析多种影像类型，包括近距离皮肤照片、皮肤镜图像（dermoscopic images）、病理切片图像以及全身皮肤影像等。
多项评估显示，PanDerm在医生使用时可将皮肤癌的诊断准确率提高 11%，在非皮肤科医生使用时对其他皮肤疾病的诊断准确率提升高达 16.5%。同时，PanDerm还能在临床医生察觉前，提前发现可疑病变，具备显著的早期筛查潜力。
该系统由超过 200万张皮肤图像训练而成，数据来源涵盖来自多个国家、11家机构的四种医学影像类型。
来自Monash大学信息技术学院的计算机视觉专家、研究共同通讯作者 Zongyuan Ge副教授 指出，目前大多数皮肤科AI模型局限于单一任务（如分析皮肤镜图像诊断皮肤癌），难以整合不同类型的医学影像，从而限制了在真实临床环境中的适用性。
“PanDerm的优势在于它能整合复杂的图像数据，辅助医生做出更有信心的决策，”Ge副教授表示。“它是一个设计用于协助医生的工具，而非取代医生。”
与传统AI模型仅限于单任务处理不同，PanDerm被设计用于执行多种临床任务，包括皮肤癌筛查、癌症复发与转移风险预测、皮肤类型评估、痣数量统计、病灶变化追踪、各种皮肤疾病的辅助诊断以及病灶区域的自动分割。并且在多项任务中，PanDerm的表现均处于领先水平，且所需标注数据量仅为传统模型的 5%–10%。
研究第一作者、Monash大学工程学院博士研究生 Siyuan Yan 表示，该系统的成功关键在于其“多模态（multimodal）”学习方法。“我们将多种医学影像整合训练，使AI具备类似皮肤科医生的‘综合判断能力’，突破了以往仅靠单一影像的分析方式。”
皮肤病目前影响全球约70%人口，早期发现对于改善治疗效果至关重要。Alfred Health维州黑色素瘤服务中心主任、研究联合通讯作者 Victoria Mar 教授 表示，PanDerm 能够在病变尚不明显时发现皮肤病灶，有助于提升监测的一致性并为疾病进展提供预警信号。
澳大利亚昆士兰大学皮肤科研究中心主任 H. Peter Soyer 教授 补充道，城市、乡村、边远地区在医疗资源方面存在差异，而PanDerm的设计优势在于“能嵌入现有临床工作流程”，在初级诊疗或资源紧张环境中，尤其能体现其辅助价值。
维也纳医科大学皮肤科资深联合作者 Harald Kittler 教授 表示，PanDerm展示了全球合作与多样化临床数据如何推动AI工具走向技术强大与临床可行并重的发展方向。
目前，PanDerm仍处于评估阶段，尚未全面部署于医疗机构。研究团队计划进一步构建更完善的临床验证体系，扩展对更多皮肤疾病和临床亚型的评估，推动模型在不同人群与医疗环境中实现公平、稳定的应用。
参考文献：Siyuan Yan et al, A multimodal vision foundation model for clinical dermatology, Nature Medicine (2025). DOI: 10.1038/s41591-025-03747-y
编辑：王洪
排版：李丽
评论 (0)