皮膚潰瘍の評価は従来、医師の視診に頼ってきたが、主観的で再現性に乏しいという課題がある。そこで我々は、AIによる潰瘍の画像解析を試みている。自作ソフトを用いて潰瘍画像を6クラスにアノテーションし、セマンティックセグメンテーションを行った。その結果、潰瘍の自動認識は良好だったが、色味があいまいなクラスでは精度が低かった。これを補うため、RGB値と線形分類式を用いた補助的アノテーション機構も実装し、現在はAI判定と併用して精度向上を図っている。将来的には、リアルタイムで潰瘍を評価し経時的な変化も追跡できるAIカメラの開発を目指している。

Skin ulcers have traditionally been assessed visually by physicians, but this approach is subjective and lacks reproducibility. To address this issue, we have been developing an AI system for automatic ulcer evaluation using image analysis. We annotated ulcer images into six classes using a custom-built software and trained deep learning models for semantic segmentation. While the models performed well in general, accuracy dropped in classes with ambiguous color features. To complement this, we implemented a secondary annotation system based on RGB values and linear classification formulas. Our current model combines AI-based and rule-based assessments to improve accuracy. Ultimately, our goal is to develop a real-time AI camera system that can evaluate and track ulcer progression over time.