白癜风是一种慢性皮肤损伤疾病，由黑色素细胞死亡引起。白癜风（占人口的0.5%-1%）是最严重的皮肤病之一。典型的白癜风病变可以描述为乳白色，无鳞片，稍微分开的斑点。根据最近的一次国际共识会议，白癜风可分为两种主要形式，即部分性白癜风和非部分性白癜风。这种使人衰弱的最严重的类型是非节段性白癜风，其特征是对称的白色和双侧斑点。许多临床亚型包括通用型，肩面型和通用型已被确定，所有这些都是双侧的性质。节段性白癜风较非节段性白癜风少见，且分别呈正态分布。一般来说，白癜风病情的基础仍然是皮肤色素沉着的逐渐斑块性损失，我们对疾病发病机制的了解，现在有助于以靶向治疗为重点的新治疗策略。局部类固醇和钙调磷酸酶抑制剂抑制炎症浸润剂皮肤表面的免疫反应是白癜风的现有治疗方法之一。这些是最有用的治疗局部疾病，表面积小于5% （BSA）。对于更常见的疾病，或者随着新病变的出现而发展并具有传染性的疾病，光疗最初被规定为补骨脂素加UVA (PUVA)，但现在主要是窄带UVB （nbUVB）。在nbUVB范围内产生单一波长光的准分子激光器也可有效治疗或希望对局部治疗不免疫的局部疾病有更快的反应。白癜风是一种高度活跃的疾病，可以通过口服脉冲类固醇治疗来控制，这种治疗在治疗期间持续存在（通常是nbUVB）。

计算机辅助诊断方法更加准确和有效，而不是由人类专家进行测试，后者更依赖于主观评估，难以复制。目前最先进的计算机诊断系统通过将其与一些流行的分类工具（如SVM和人工神经网络（ANN））集成在一起，可以在某些皮肤癌（如黑色素瘤）中取得非常好的性能。人体特征的分离不适合系统性皮肤病的分类系统。一方面，手工构建的特征通常用于一种或多种特定的皮肤病。它不可能用于其他类型或数据集。另一方面，考虑到皮肤病的多样性，人类不可能为每一种皮肤病都发明治疗方法。解决这个问题的一种方法是使用功能学习，减少实际工程需求，让机器决定使用哪个功能。近年来引入了几种基于学习函数的分类系统。近年来，深度神经网络（卷积神经网络（CNN））在特征和伪像的分类中变得非常流行。为了提高性能，高性能GPU的使用要求网络建立在一个大的数据集上。本研究对计算机辅助诊断和确认白癜风的相关文献和会议记录进行了全面的分析。本综述的目的是检查、综合、评价和讨论一系列研究出版物，以评估它们的特异性、结果和可靠性。我们的调查集中在对截至2020年6月来自知名图书馆数据库（包括PubMed、IEEE explore和Science Direct）的高被引学术文章的检查上。

本研究的主要目的是评估目前几种用于诊断白癜风的机器学习（ML）技术的有效性。此外，它打算调查该领域的进展、限制和遇到的挑战，同时也确定需要进一步调查的领域。这是机器学习技术检测白癜风的第一个系统综述，它广泛地回顾了所有相关的研究文章从主要期刊和会议有关的具体建立的研究问题，以我们所知的最好的。本文的重要贡献是对利用ML技术检测白癜风进行了系统的综述，并指出了该领域研究的空白。

材料和方法：在三个数据库（即Science Direct、PubMed和IEEE explore）中使用预定的一组关键字进行搜索。选择过程涉及资格标准的应用，这导致在2024年6月之前在知名期刊和会议论文集上发表的研究被纳入其中。然后对这些选定的论文进行全文筛选以进行进一步分析。涉及ML技术在白癜风目标人群中的应用的研究出版物被选中进行进一步的系统评价。

在应用任何标准之前的初始阶段的出版物饼状图

在筛选和应用排除和纳入标准后纳入的出版物的饼状图

根据PRISMA指南和声明建议的PRISMA流程图

选定和筛选的研究发表年份的散点图

无监督技术结果的比较

监督技术结果的比较

交通灯图说明偏见的风险

说明偏倚风险的权重图

结果：在应用资格标准以及纳入和排除标准的初始搜索结果（244项基于白癜风的研究）后，本系统评价纳入了10项选定和筛选的研究。优先考虑那些仅使用ML技术对白癜风目标人群进行检测和诊断的研究。数据分析仅从选定和筛选的研究文章中进行，这些文章发表在真正的期刊和会议记录中。

结论：ML技术在白癜风临床诊断中的应用，不仅可以提供更准确的诊断结果，同时也消除了人为判断的偏见。基于对研究的综合研究，包括所采用的方法和用于评估结果的指标，确定需要进一步研究和调查ML算法在不同数据集和更多特征提取中用于白癜风检测和诊断的应用。

原始出处：

Sania, Tanvir;  Sidra Abid, Syed;  Samreen, Hussain;Detection of Vitiligo Through Machine Learning and Computer-Aided Techniques: A Systematic Review.Biomed Res Int 2024;2024(0):3277546