基于AI的移动应用程序在不同移动设备上评估慢性伤口的可靠性研究

目的：评估iPhone 12和13 mini模式下伤口评估工具与已验证的iPad mini/Structure Sensor配置间的评估者间及评估者内信度。方法：我们针对就诊伤口患者，评估了一款伤口测量应用（eKare inSight®）的结果一致性。采用双向方差分析进行评估分析。使用双向随机效应模型计算评估者内（ICC1,1）和评估者间（ICC2,1）分析的组内相关系数（ICC）。通过配对t检验评估测量方法间的统计差异。结果：共分析42处病灶，表面积范围0.2至23 cm²（平均值4.33 ± 5.44 cm²）。同一检查者重复测量伤口面积（ICC1,1 = 0.997）及使用iPhone 13 mini的检查者间（ICC2,1 = 0.998）均显示出高度可靠性。iPhone 12与iPad mini/Structure Sensor（p = 0.78）、iPhone 13 mini与iPhone 12（p = 0.22）之间均无显著差异。iPhone 13 mini与iPad mini/Structure Sensor间存在微小差异（p = 0.049，Cohen's d = 0.01）。创新点：智能手机在临床护理中的普及度提升，结合智能手机成像和机器学习的进步，为快速准确测量伤口提供了潜在解决方案。所研究的应用能快速生成伤口测量结果且具有已验证的准确性，无需校准贴纸或参考标记，可实现伤口边界的自动勾勒。结论：本研究结果表明，数字平面测量移动应用在不同设备和用户间可能具有高度可靠性。