人工智能在性传播感染及肛周皮肤病识别中的应用：系统性综述与Meta分析

　　来自多机构的研究团队通过系统性综述与Meta分析，评估AI在识别性传播感染(STIs)和肛周皮肤病中的诊断性能。研究发现AI对猴痘(mpox)、生殖器疱疹(herpes simplex)等疾病展现出高灵敏度(0.96)和特异性(0.98)，但存在研究偏倚风险高、缺乏临床验证等局限，预示AI在皮肤性病学领域具有转化潜力。

　　

本研究通过系统性综述与Meta分析探讨了人工智能(Artificial Intelligence, AI)算法在临床图像中识别性传播感染(Sexually Transmitted Infections, STIs)和肛周皮肤病(anogenital dermatoses)的诊断性能。研究人员检索了2010年1月至2024年4月期间六大数据库的文献，最终纳入140项符合标准的研究。

结果显示：当前研究主要集中在猴痘(mpox)(占78.6%)，而对其他STIs如梅毒(syphilis)的研究不足。AI在识别猴痘(合并灵敏度0.96^{95%CI 0.93-0.97}，特异性0.98^{95%CI 0.97-0.99})、单纯疱疹(herpes simplex)、生殖器疣(genital warts)、银屑病(psoriasis)和疥疮(scabies)方面均表现出优异性能。然而研究存在明显局限性——76.1%的研究存在人群选择偏倚，86.4%使用开源数据集，仅12.1%进行外部验证，且99.3%的研究仍处于概念验证阶段。

结论指出：AI技术虽在STIs和肛周皮肤病识别领域展现应用前景，但亟需改善数据质量、加强外部验证并拓展对临床相关STIs的研究深度，以推动该技术向临床实践转化。