前往皮肤科就诊的人，无不希望得到快速而精准的诊断。图像数据库在这一过程中能够发挥重要作用：医生拍摄异常皮肤部位的照片，将其与数据库中类似疾病的图像进行比对，从而更接近正确的诊断。然而，这类数据库往往并不完整。“在人工智能研究中，人们常说：收集的数据越多越好，”卢塞恩应用科学与艺术大学（HSLU）研究员、巴塞尔大学博士生法比安·格罗格尔（Fabian Gröger）表示，“但如果收集方式缺乏系统性，得到的只会是更多重复的数据。”此外，收集医疗数据既费时又昂贵。必须获得患者的知情同意，并且需要对图像进行专业的记录与标注。因此，关键问题在于：哪些图像才真正具有研究价值？这正是“SkinMap”研究项目的切入点。
在SkinMap项目框架下，法比安·格罗格尔与卢塞恩应用科学与艺术大学（HSLU）及巴塞尔大学医院的共同研究人员合作，整合了公开可用的皮肤科图像数据集，共计来自全球29个数据库的110万张图像。借助人工智能技术，相似图像被归类整理，同一疾病的不同语言名称也得到了统一。
代表性不足：较深肤色、儿童皮肤及健康皮肤
研究的成果是一个可搜索的数字图谱，并辅以一种针对缺失数据的“寻人启事”机制。皮肤科医生可以检查新拍摄的照片是否确实填补了数据空白。法比安·格罗格尔坚信：“这样可以更高效地规划新内容，并合理利用资源，无论是在研究还是临床记录中。”
目前已经显现出两大主要空白：虽然浅色皮肤的皮肤病变已有大量记录，但深色皮肤仅占可用图像数据的5.8%，儿童皮肤仅占3%。此外，健康皮肤的图像也十分罕见。巴塞尔大学医院皮肤科主任亚历山大·纳瓦里尼教授指出，当数据被发布时，通常展示的是病例，这虽然可以理解，但却存在问题。“对于人工智能系统而言，‘了解’健康皮肤的各种变化至关重要，这样才能使区分更加可靠。”
