93.82%的AI读片、22亿美元的抗体：白癜风这场"精准战争"打到了哪一步？
.png)
一个事实：就在2026年7月的短短三周内，白癜风领域密集落地了四件大事:（1）梯瓦抗IL-15抗体TEV-408公布积极早期数据（2）argenx以约22亿美元收购白癜风生物技术公司Forte（3）乌帕替尼在欧盟获批成为全球首个口服系统性治疗药物（4）辉瑞利特昔替尼两项III期临床全部成功。
一个边界：尽管AI影像模型在白癜风分类任务上的准确率已高达93.82%，但迄今尚无任何一款AI设计的药物获批上市，AI也无法预测某位患者的白斑何时复色、何时复发。
一个判断：AI对白癜风的真正价值，短期内不是"替代医生诊断"，而是把这个长期靠"肉眼估算"的疾病，变成一个可以被精确测量、连续追踪、标准化管理的疾病——而这件事，恰恰是新药研发和规范诊疗最缺的地基。
如果你好奇这个判断是怎么来的，下面的分析会告诉你为什么。
1、一个被"肉眼估算"困住的疾病
白癜风是一种慢性自身免疫性皮肤病，免疫系统错误地攻击并摧毁皮肤中产生黑色素的黑素细胞，留下边界清晰的乳白色斑片。它不致命，但发生在面部等暴露部位时，对患者心理和社交的影响常常是长期的。近期流行病学研究估计，全球患病率约为0.36%–0.40%，成人高于儿童，且存在明显地域差异；中国患病率约0.56%，患者总数超过千万，其中约80%–90%为非节段型。
这样一个患者基数庞大的疾病，诊疗的基本功却长期建立在一个脆弱的环节上：靠医生的眼睛和经验去"估"。
临床上最常用的评估工具是白癜风面积评分指数（VASI，Vitiligo Area Scoring Index）——医生目测白斑面积占体表的百分比，再判断脱色程度打分。伍德灯（Wood's lamp，一种发出320–400nm紫外线的检查灯）与临床评估的一致性仅为中等水平（κ=0.33），皮肤镜也好不到哪里去（κ=0.40）。
主观到什么程度？一项针对面部白癜风评分的验证研究给出了刺眼的数字：传统F-VASI评分在非专家评估者之间的一致性系数（ICC）只有0.45，专家之间也只有0.52；对同一个患者，不同非专家给出的评分差异最高可达84%，专家之间最高也有55%。这意味着，"白斑好了三成"这句话，在不同的医院、不同的医生嘴里，可能根本不是同一个意思。
这个痛点影响的不仅是门诊沟通。白癜风治疗效果与病程密切相关，早期干预是改善预后的关键，而诊断延迟、评估不统一，直接拖慢了分级诊疗的衔接。更关键的是后文会讲到的：当一批新药涌入临床试验时，"复色多少"这个终点指标本身如果测不准，再好的药也可能被埋没收尾。
2、第一条AI战线：把"看白斑"变成"测白斑"
AI进入白癜风领域的第一站，是它最擅长的计算机视觉。过去五年，深度学习模型在白癜风影像任务上形成了两条技术路线：
分类：区分白癜风与其他色素减退性疾病（如白色糠疹、花斑癣）及正常皮肤。ResNet、DenseNet、EfficientNet等卷积神经网络（CNN）是主力，各研究报告的准确率在66%–97%之间——值得注意的是，即使准确率最低（66%）的模型，诊断性能也不劣于皮肤科医生，且优于全科医生和护士。
分割：逐像素勾勒白斑边界、量化脱色面积。U-Net、PSPNet等模型的分割准确率可达93%–97%。2022年，中国研究者提出的混合模型用YOLO v3目标检测框架定位白斑、再用U-Net++分割，病灶检出灵敏度达92.91%。
2024年，架构升级带来了新的性能高点：发表于《Scientific Reports》（一本开放获取多学科综合期刊）的一项研究在同条件下对比了五种模型，基于自注意力机制的移位窗口Transformer（Swin Transformer Large）以93.82%的准确率超过了ResNet34的89.26%，灵敏度94.02%、特异度93.5%，且其类激活图（CAM）高亮的区域与白癜风皮损区域吻合——模型"看"的位置和皮肤科医生的判断依据是一致的。
不过，对准确率数字需要泼一盆冷水。2024年发表的首个白癜风机器学习检测系统综述（纳入10项研究）指出，现有研究普遍样本量小、数据集单一、缺乏外部验证。2025年一项来自印度的真实门诊研究更直接：三款商用AI皮肤科App对白癜风的首位诊断准确率分别只有25%、25%和0%，且模型性能随肤色加深（Fitzpatrick IV–VI型）显著下降——训练数据以浅肤色为主（白种人），是目前AI皮肤影像的系统性短板。实验室里的93.82%，与真实世界里的25%，之间的落差正是"研究"与"临床工具"的距离。
中国在这个距离上迈出了实质性的一步。2023年3月18日，由复旦大学附属华山医院皮肤科项蕾红教授牵头、与杭州咏柳科技联合研发的「白癜风智能评估系统」正式发布——这是我国首个面向白癜风疾病评估的智能化应用系统。它基于VASI、VETFa等全球通用标准做了本土化适配：医生按"选择拍摄部位—图像上传—智能分析—生成评分"的流程操作，系统自动计算皮损面积、判断脱色程度，输出各部位评分，并自动保存历次数据、生成VASI趋势图，支持连续动态监测。目前该系统已向认证医生开放使用。
这一步的意义不在于准确率又提高了几个百分点，而在于它把AI从论文里的"模型"，变成了各级医疗机构都能上手、且评估结果跨机构一致的"工具"——这正是分级诊疗最需要的标准化能力。
3、第二条AI战线：让"复色"成为可追踪的数据
比"认出白斑"更进一步的是"量化变化"。白癜风治疗以月甚至年计，复色往往从毛囊周围的针尖大色素点开始，肉眼极难察觉，而这恰恰是判断治疗是否起效、该不该换方案的早期信号。
成像技术正在把这件事做细。2024年发表的一项前瞻性研究将高细胞分辨率全场光学相干断层扫描（CRFF-OCT，一种能对表皮做细胞级"活体切片"成像的技术）与AI算法结合，追踪10例接受表皮移植的白癜风患者：AI可自动识别并定量分析图像中的黑色素颗粒和树突状细胞，移植后30天即可捕捉到黑素细胞在表皮-真皮交界处的早期恢复，远早于肉眼可见的复色。
更贴近产业端的进展发生在临床试验测量环节。法国研发的Vitil-IA算法配合标准化紫外成像设备，可自动划分面部区域、分割白斑并计算脱色百分比：不同操作者之间的重复性误差小于3%，与专家共识的平均绝对误差仅5.57——对比前文提到的F-VASI人工评分最高84%的差异，是数量级的提升。国际上的探索也在增多，例如俄罗斯团队2026年公布的工具用5万余张医生标注照片训练模型，可逐像素分割白斑、自动计算病灶面积占比并纵向比较疾病动态。
为什么"测得准"如此重要？因为白癜风临床试验的疗效终点几乎全是VASI类评分。当主要终点靠人眼估读，评分者间的噪声会直接吞掉药物的真实效应——前文提到，临床试验里，芦可替尼乳膏让"白斑好转75%以上"的患者比例比安慰剂高出约19到22个百分点。但一个更扎心的事实是：两个医生用肉眼给同一位病人打分，差异本身就能达到几十个百分点。换句话说，医生之间"看走眼"的噪声，可能比药的真实效果还要大——好药的效果很容易被粗糙的评分方式给"吞掉"。
AI量化评估，本质上是在为整个白癜风新药研发体系"校准尺子"。2025年《Frontiers in Medicine》的一篇学术观点文章也指出，AI在白癜风领域最现实的近期价值，不是"即时诊断"，而是客观追踪、标准化随访和跨就诊（换医院复查）的一致性测量。
4、第三条AI战线：AI制药入场，但距离药还很远
字节跳动用AI造了一款口服药，目标是IL-17——一种跟很多自身免疫病有关的蛋白。这事之所以被关注，不是因为白癜风，而是因为IL-17过去几十年被药物化学家视为"死胡同"：它靠蛋白之间的"大面积平面接触"起作用，传统小分子药就像一把小钥匙，根本插不进那个又大又平的锁孔，所以人类一直拿它没办法，只能依赖打针的生物制剂。
AI的突破在于，它帮人类找到了一把"以前想不到的钥匙"——AN-5162这款口服小分子，不仅能插进那个锁孔，而且是全球第一个能把IL-17的三种组合形态（AA、AF、FF）全部堵住的。这让"吃片药代替打针"从不可能变成了可能。但这药目前还在临床前阶段，只有实验室和动物数据，还没进人体试验。
那它能治白癜风吗？基本不能。 白癜风的免疫主战场是另一条路（IFN-γ–JAK-STAT），IL-17顶多算个"配角"。更重要的是，2019年就有人用IL-17A抑制剂（注射型抗体）试过治疗白癜风，结果8个病人里7个反而长出了新的白斑。研究结论很明确：IL-17A不适合作为白癜风的治疗靶点。
所以，字节这个项目的真正意义不是"白癜风患者有口服新药了"，而是证明AI能啃下传统药物化学几十年搞不定的"硬骨头靶点"。这颗药如果成功，短期内更可能造福的是银屑病这类IL-17主导的疾病，而不是白癜风。
把视野放大，AI制药整体的进展曲线是陡峭的：据行业统计，全球进入临床试验的AI设计候选药物从2022年的约20个增至2026年一季度的160个以上（I期94个、II期56个、III期仅15个，合计约165个），四年增长约7倍。仅2026年以来，英矽智能（Insilico Medicine，港交所03696）披露的四笔AI药物研发合作，潜在总价值就接近70亿美元——施维雅8.88亿、礼来27.5亿、SK生物25亿、武田6亿（均为含里程碑付款的潜在总额，非一次性到账）。但硬币的另一面同样清晰：截至2026年初，获批上市的AI发现药物数量仍为0。管线集中在早期，2026年才是AI制药第一次真正接受"能不能帮患者"的检验。
5、大背景：白癜风为什么突然成了"兵家必争之地"
AI在白癜风领域的三条战线能同时推进，离不开一个大背景：这个曾经"无靶向药可用"的疾病，正在变成自身免疫药物研发最热的赛道之一。2026年7月一个月内发生的一切，足以说明问题。
目前全球白癜风靶向治疗格局可概括如下（按机制分类）：
目前打白癜风的新药，主要分两条路线：
第一条是"切断对讲机"——JAK抑制剂路线。你可以把黑素细胞想象成住户，T细胞是一群来强拆的拆迁队。拆迁队队长手里有对讲机（JAK-STAT通路），一按就能呼叫更多队员来砸房子。JAK抑制剂干的事，就是干扰对讲机信号——让队长喊不来援军，住户（黑素细胞）就能保住。芦可替尼、乌帕替尼走的都是这条路。
第二条是"断房租"——抗IL-15路线。更麻烦的是，有些拆迁队员虽然暂时没动手，但已经记住了这户人家的地址，就赖在附近不走了（这叫"组织驻留记忆T细胞"，简称Trm）。更气人的是，还有人定期给他们交房租、送外卖（IL-15），让他们一直活着、随时准备再回来砸。抗IL-15疗法的目标不是阻止正在进行的强拆，而是断掉这些人的房租和外卖——让他们在城里待不下去，自然饿死或离开，从根本上减少"治好了又复发"的概率。梯瓦的TEV-408、argenx收购Forte拿到的FB102，走的就是这条路。
需要点明的是，这张管线表里的主角是传统药物生物学和临床开发，而不是AI。但AI与这张表有两个真实的交汇点：其一，前文讲到的AI量化评估，正在成为这些III期试验终点测量可靠性的潜在解；其二，AI制药（如字节的IL-17项目）把免疫疾病纳入了生成式设计的射程，下一个被AI设计的候选药出现在白癜风靶点上，只是时间问题——尽管从候选到上市，仍要跨越平均十年以上的临床验证。
6、边界与判断：AI在白癜风领域，什么已经发生、什么还远没有
综合三条战线，可以对"AI与白癜风"做一个诚实的盘点。
已经发生的：AI影像模型在研究环境下达到甚至超过基层医生的识别水平；中国已有一个落地到医生工作台的智能评估系统；AI能把复色过程的定量监测提前到细胞层面；白癜风从"估"到"测"的范式转移已经开始。
还远没有的：没有任何AI白癜风工具被批准为独立的诊断医疗器械级产品并大规模进入临床路径；商用App在深色皮肤人群上的可靠性仍差（白癜风识别准确率最低为0%）；AI不能预测个体患者的病程走向；AI设计的药物管线增长7倍但上市数为0，且2019年的阴性试验提醒过我们——即便机制上"沾边"的靶点，也可能在临床上落空。
未来的合理预期：短期内（2–3年），AI最可能兑现的价值是"测量基础设施"——让诊断更一致、随访更连续、临床试验终点更可靠，并借远程医疗填补基层皮肤科的资源缺口；中期（5–10年），随着AI制药管线向III期推进和IL-15类"防复发"机制成熟，"AI测量+精准药物"可能形成闭环：药物负责复色和维持，AI负责把疗效变成可验证、可比较的数据。
白癜风或许是观察"AI如何真正进入一种慢性病全流程"最好的样本之一——因为它足够常见、足够可测量，也足够难。
【互动时间】你觉得AI在白癜风诊疗中会先在哪个环节被患者真正"用起来"？
A. 医院里的标准化评估工具，还是 B. 手机上自测随访的App？评论区聊聊你的判断。
免责声明：本文为学术信息梳理与行业分析，仅供一般信息参考，不构成任何医疗建议、诊断或治疗方案推荐。文中涉及的在研药物均未获批用于白癜风（已注明获批情况者除外），请勿据此自行用药。如有健康问题，请前往正规医疗机构就诊。
信源清单（按章节分组，标注信源等级）
分级：S=监管机构/顶刊论文，A=权威媒体/财报，B=行业媒体，C=企业通稿/聚合平台
第一、二、三章（疾病负担与AI诊断/测量）
Parikh M, et al. Technological advances in vitiligo management: perspectives on AI, mobile tools, and clinical utility. Frontiers in Medicine, 2025.（S）https://pmc.ncbi.nlm.nih.gov/articles/PMC12536729/
Zhong F, He K, Ji M, et al. Optimizing vitiligo diagnosis with ResNet and Swin transformer deep learning models. Scientific Reports, 2024;14:9127.（S）https://www.nature.com/articles/s41598-024-59436-2
Guo L, Yang Y, Ding H, et al. A deep learning-based hybrid artificial intelligence model for the detection and severity assessment of vitiligo lesions. Annals of Translational Medicine, 2022;10(10):590.（S）https://pubmed.ncbi.nlm.nih.gov/35722422/
Sania T, et al. Detection of Vitiligo Through Machine Learning and Computer-Aided Techniques: A Systematic Review. BioMed Research International, 2024.（S）https://pmc.ncbi.nlm.nih.gov/articles/PMC11671642/
Lu LY, et al. Feasibility of High-Cellular-Resolution Full-Field, AI-Assisted, Real-Time OCT in the Evaluation of Vitiligo. Bioengineering, 2024;11(2):196.（S）https://www.mdpi.com/2306-5354/11/2/196
Police PR, et al. Diagnostic accuracy of artificial intelligence-based dermatology mobile applications. Int J Res Dermatol, 2025;11(4):284-290.（S）https://www.ijord.com/index.php/ijord/article/download/2035/1123/11010
QIMA Life Sciences. Vitil-IA®: Facial Vitiligo Scoring with AI Algorithm.（C，企业技术博客，验证数据以其合作研究为准）https://qima-lifesciences.com/blog/research-highlight/facial-vitiligo-scoring-with-ai-algorithm-vitil-ia/
Vitiligo Research Foundation. AI and Vitiligo: The Digital Frontier Gets Real.（B，患者组织行业梳理）https://vrfoundation.org/news_items/ai-and-vitiligo-the-digital-frontier-gets-real
睿肤学苑微信公众号：中国首个智能化白癜风评估系统正式发布（2023-03-18，发布方一手信息）.（C）
家医大健康：俄罗斯Scanderm工具报道.（C）https://www.familydoctor.cn/news/ai-jiang-zui-zaoqi-jiance-pifu-sesuchenzhuo-zhangai-468366.html
第四章（AI制药）11. Speeckaert R, Mylle S, van Geel N. IL-17A is not a treatment target in progressive vitiligo. Pigment Cell & Melanoma Research, 2019;32(6):842-847.（S）https://pubmed.ncbi.nlm.nih.gov/31063266/12. 字节Anew Labs/AN-5162项目：据36氪、钛媒体2026年6月报道（AAI年会披露细节以其会议摘要为准）.（A/B） 13. 英矽智能2026年四笔合作：据21世纪经济报道、金融界2026年7月初报道（金额为含里程碑的潜在总价值）.（A） 14. AI设计药物管线统计：行业咨询口径（I期94/II期56/III期15，合计约165个），因无监管或顶刊统一统计，标注为"据行业统计".（C，待权威源替换）
第五章（靶向治疗格局）15. Rosmarin D, et al. Two Phase 3, Randomized, Controlled Trials of Ruxolitinib Cream for Vitiligo. N Engl J Med, 2022;387:1445-55.（S）https://pubmed.ncbi.nlm.nih.gov/36260792/16. 新华网：磷酸芦可替尼乳膏获批上市（NMPA 2026年1月批准）.（A）https://app.xinhuanet.com/news/article.html?articleId=f0b82d1e95afedfa5b6cded544c159b817. 华源证券：康哲药业-芦可替尼乳膏获批上市点评.（B）https://www.hangyan.co/reports/382428131774745956318. The Derm Digest. EU Approves Upadacitinib as First Systemic Treatment for Vitiligo（2026-07-29）.（B）https://thedermdigest.com/eu-approves-upadacitinib-as-first-systemic-treatment-for-vitiligo/19. Pfizer官网：Pfizer Announces Positive Topline Phase 3 Results for LITFULO in Patients with Nonsegmental Vitiligo（2026-07-30）.（C，企业一手披露）https://www.pfizer.com/news/press-release/press-release-detail/pfizer-announces-positive-topline-phase-3-results-litfulo20. Vitiligo Research Foundation. Two Big Moves for Oral Therapies in Vitiligo（povorcitinib III期进展）.（B）https://vrfoundation.org/news_items/two-big-moves-for-oral-therapies-in-vitiligo-what-just-happened21. Teva官网新闻稿：Teva to Advance Its Anti-IL-15 Antibody Into Phase 2b Development in Vitiligo（2026-07-07）.（C，企业一手披露）https://www.tevapharm.com/news-and-media/latest-news/teva-to-advance-its-anti-il-15-antibody-designed-for-quarterly-dosing-into-phase-2b-development-in-viti/22. BioPharm International. argenx to Acquire Forte Biosciences for $2.2 Billion（FB102 1b期数据）.（B）https://www.biopharminternational.com/view/argenx-acquire-forte-biosciences-fb102-cd122-antibody23. Pharmaceutical Executive. argenx Acquires Forte Biosciences for $2.2 Billion.（B）https://www.pharmexec.com/view/argenx-acquires-forte-biosciences-2-billion