DataDerm 年報：美國皮膚科 1,630 萬病人看什麼病

美國皮膚科診所都在看什麼病？AAD 的 DataDerm 收了 1,630 萬名病人：最多是痣、脂漏性角化與光老化；看診人員近四成不是醫師，亞裔只占 1.53%，自費醫美幾乎不在裡面。

張宏嘉 Benjamin Chang 皮膚科專科醫師 · VSKIN 院長 · PSKIN 主治醫師

發表於 2026年10月31日 產業論文導讀皮膚癌

美國皮膚科醫學會每年在自家期刊《JAAD》登一篇兩頁的短文，交代它的病人資料庫 DataDerm 這一年做了什麼。2025 年版的正文讀起來像機構的年終報告：換了新系統、幫多少醫師申報、跟哪些藥廠合作。

真正有內容的是放在 Mendeley 資料平台上的附件：四張表、兩張美國地圖。它們回答一個很少有人能用數字回答的問題：美國的皮膚科診所，一整年到底在看什麼病、做什麼事。

DataDerm 是什麼

美國皮膚科醫學會（AAD）在 2016 年建立 DataDerm，參加的診所把電子病歷的資料自動傳上去，集中成一個資料庫。作者說它是全世界最大的皮膚科臨床資料庫。

到 2024 年 12 月 31 日為止，裡面累積了 1,630 萬名病人、6,820 萬次看診。2024 年仍在傳資料的有 288 間診所、1,289 位看診人員。

要先記住一件事：這是自願參加的診所傳上來的資料。它很大，但不是全美國皮膚科的隨機樣本。後面每一個數字都要帶著這句話讀。

2024 年，這個資料庫發生了什麼

換了系統。 AAD 找了顧問公司 PA Consulting 重建平台，2025 年 4 月正式換上，從此系統歸 AAD 自己擁有、自己經營。新平台可以分析醫師打在病歷裡的自由文字，也能用上較新的資料處理技術。

最主要的實際用途，是幫醫師向美國聯邦醫療保險申報。 美國的 Medicare 有一套叫 MIPS 的制度（Merit-based Incentive Payment System，依品質調整給付），醫師每年要申報醫療品質資料，給付會因此加減。DataDerm 替 872 位醫師完成 2024 年的申報，前一年是 889 位，少了 1.9%。

研究申請暫停。 以前 AAD 會員可以申請資料做研究。因為換系統、要重新驗證資料，從 2024 年 6 月起暫停接受新申請，一直到平台轉換完成。

跟藥廠合作。 2024 年結束了一個和百靈佳殷格翰（Boehringer Ingelheim）、資料分析公司 OM1 的合作：用 OM1 的 AI 平台分析資料，做出泛發性膿疱型乾癬（GPP）的教育資源。同一年開始和諾華（Novartis）做類似的計畫，題目是化膿性汗腺炎，內容包括找出可能有化膿性汗腺炎、但還沒被診斷的病人。這一段後面會再談。

誰在看診：將近四成不是醫師

1,289 位看診人員裡，皮膚科專科醫師 724 位，約 56%。醫師助理（physician assistant，PA）340 位、專科護理師（nurse practitioner，NP）146 位，兩者合計 486 位，約 38%。

在美國，PA 和 NP 可以在皮膚科診所看診、開處方、做切片；能不能不受醫師監督、獨立執業，各州規定不同。台灣沒有醫師助理的法定證照；專科護理師依護理人員法第 24 條，是「於醫師監督下」執行醫療業務；醫師法第 11 條規定醫師「非親自診察，不得施行治療、開給方劑」。台灣皮膚科診所的門診，由醫師親自看。所以美國的「皮膚科門診資料」，有相當一部分是非醫師人員的診斷與處置，拿來和台灣比較時要先把這層差異放在心上。

站上〈美國醫師開多少口服 A 酸？〉那篇就看得到這層差異的後果：第一張處方由專科護理師或醫師助理開的病人，累積劑量平均多 3.5 mg/kg。

病人是誰

表二把病人分成兩欄：2016 年以來的累積總數，和只算 2024 年的人。

保險這幾列的百分比，分母是保險紀錄數，不是病人數（一個人可能同時有兩種保險）。累積的保險紀錄有 18,125,606 筆，比病人數多。

女性比男性多，大約六比四。保險紀錄裡約四分之一是 Medicare，也就是以 65 歲以上的長者為主；如果改用病人數當分母，約 27.7%（本站計算）。

種族這一欄值得停下來看。亞裔只占 1.53%，而且將近四分之一的人根本沒填種族。用這個資料庫研究亞洲人的皮膚病，樣本少，代表性也有限。美國年報裡的盛行率、診斷排行，套到台灣病人身上之前要先打個問號。

（2024 年兒童人數在原檔印成「1487,29」。用百分比 12.27% 反推是 148,729，同年性別欄的兒童四格相加也正好是 148,729，表中已更正。2024 年的種族欄還有一個更大的問題，見後面〈原檔裡對不起來的數字〉。）

最常看的病：美國皮膚科的主力是看痣看斑

前七名幾乎全是「長了一顆東西，要不要緊」：痣、脂漏性角化、光老化、色素、良惡性還說不準的腫瘤、血管瘤。美國皮膚科門診的主力是皮膚癌篩檢，以及篩檢路上順便看到的良性病灶。

L57 這一碼包含光化性角化症，也就是曬出來、有機會變成鱗狀細胞癌的那種粗糙紅斑。它的累積看診次數 1,649 萬，比排第二的脂漏性角化還多。

異位性皮膚炎 69.5 萬人、乾癬 54.1 萬人，依病人數分別排第 19 與第 21，在表的後段。這兩個病在台灣皮膚科的討論度很高，在美國這份資料裡的人數卻遠少於看痣看斑的人。

人數少，不代表佔的門診少。把看診次數除以病人數，就看得出哪些病會一直回來：

乾癬平均每人看 4.5 次，在這 24 個常見診斷裡最高。這可能反映乾癬是長期病，用生物製劑的人要定期回診、抽血、續藥。痤瘡 3.2 次排第三，可能跟口服 A 酸需要每月回診有關；不過這份資料看不到用藥，這只是推測。這幾個比值是本站用原表數字算的，原文沒有提供。

皮膚癌：基底細胞癌是黑色素瘤的 17 倍

基底細胞癌的病人數約是鱗狀細胞癌的 1.7 倍、黑色素瘤的 17 倍（本站計算）。美國以白人為主，這個比例反映的是白人皮膚的皮膚癌結構。

亞洲人的黑色素瘤比例低很多，而且常長在手掌、腳底、指甲這些不太曬得到的地方。站上〈腳底黑色素瘤，抽血的 NLR 能看出預後嗎？〉談的就是這種肢端型。美國這張表裡看不出這一型有多少人，因為原表沒有分部位。

做最多的處置：冷凍光化性角化症

「平均每人」是本站計算。

次數最多的是破壞光化性角化症，多半是液態氮冷凍，累積 2,583 萬次，比切片的 1,552 萬次還多。平均每位病人做 6.9 次，反映的是一個人身上常有很多顆，而且會一直長新的。

莫氏手術 361 萬次，超過一般切除惡性病灶的 159 萬次。莫氏手術平均每人 2.9 次，可能是因為一次手術的每一層、每一段在申報上分開計算，原文沒有說明計數方式。

化學換膚與痤瘡處置累積只有 177,983 位病人、461,492 次，病人數是這張表裡最少的。美國皮膚科醫師做的醫美並不少，只是自費療程大多不會進到這個資料庫。站上〈私募股權收購皮膚科〉提過，被私募股權收購的美國皮膚科診所，臨床量裡約四成是自費醫美，非私募股權的診所約兩成。那一塊，DataDerm 幾乎看不到。

地圖：診所和病人集中在哪裡

第一張是參與的診所數，截至 2024 年 12 月 31 日。加州、佛州、德州顏色最深，紐約、賓州、喬治亞次之。蒙大拿、懷俄明、達科他這些中西部與山區州幾乎是白的。

第二張是病人數。德州最深，接著是伊利諾、喬治亞、佛州、賓州、加州。

兩張圖放在一起看，有一個地方不一致：伊利諾的診所數只是中等，病人數卻排到前面。可能是那裡有幾家很大的連鎖診所集團，原文沒有說明。這也再一次說明，地圖畫的是「誰參加了 DataDerm」，不是「哪裡的皮膚病比較多」。佛州日照強、退休長者多，皮膚癌病人本來就多；但一州顏色深淺，主要取決於那一州有多少大型診所願意把資料傳上來。

原檔裡對不起來的數字

附表裡有幾處數字彼此兜不攏。引用之前要先知道：

• 2024 年兒童人數印成「1487,29」，依百分比反推應為 148,729。
• 2024 年種族欄的百分比和人數對不上。白人寫 42.21%，但成人加兒童只有 157,035 人，不到當年 121 萬病人的 13%。種族那一欄的 2024 年數字，本文只引用百分比，不建議拿來計算。
• 2024 年「其他色素疾患（L81）」的病人數和「長期日曬變化（L57）」完全相同，都是 923,796，看起來像複製時的錯誤。
• 2024 年「切開引流」的病人數和次數都是 18,171，可能也是誤植。
• 表二成人加兒童是 1,535 萬人，正文寫 1,630 萬人，差了約 95 萬。可能是沒有年齡資料的病人沒被分進任何一欄，原文沒有說明。
• 2024 年種族欄整欄都加不起來：成人合計 307,546 人、兒童合計 159,655 人，兒童比當年兒童總數 148,729 還多；亞裔兒童 13,249 人，比亞裔成人 5,944 人還多。
• 切除病灶的病人數，良性加惡性是 1,868,480，原表合計寫 1,868,280，差 200 人。
• 皮膚癌表裡「其他與未分類」只有 14,582 位病人，卻有 295,901 次看診，平均每人 20 次，也像是誤植。
• 病人分布圖的色階最高到 1,000 萬，但全資料庫只有 1,630 萬名病人，德州一州不太可能占掉六成。圖例畫的可能是看診次數，或是圖例本身標錯。

這份資料不能回答的事

DataDerm 收的是診斷碼和處置碼。它知道一個人被診斷乾癬、看了幾次，但這份年報看不出他有沒有變好、用了什麼藥、副作用如何。年報裡沒有任何療效數字。

診斷碼是看診時為了申報選的。依 ICD-10 的編碼規則，D48（行為未確定）應該用在病理報告出來、仍難判定良惡性的病灶；切片前還不知道是什麼，應該用 D49。這張表裡 D48 的病人數卻是 D49 的 7.1 倍（本站計算），實際的編碼習慣跟規則不太一樣，年報沒有解釋原因。用申報碼算盛行率，會受這種習慣影響。

參加的診所是自願的，偏向有能力串接電子病歷的大型診所與集團。小型個人診所、學術醫學中心的比例，年報沒有提供。

自費療程幾乎不在裡面，所以這份資料完全不能用來看醫美的趨勢。

藥廠合作這一段，要怎麼讀

百靈佳殷格翰的 IL-36 受體抗體（Spesolimab），2022 年在美國核准用於泛發性膿疱型乾癬；諾華的 IL-17 抑制劑（Secukinumab），2023 年在美國核准用於化膿性汗腺炎。兩家藥廠出資，和 AAD 的資料庫合作研究的，正好是自家藥物的適應症。

化膿性汗腺炎從發病到確診，平均拖很多年，這是真的問題。站上〈化膿性汗腺炎怎麼治？〉寫過，從發病拖超過十年才開始正規治療的人，治療後反應不好的機會幾乎加倍。找出還沒被診斷的病人，對病人有好處。

但同一個動作，也等於替一個藥找到更多潛在使用者。年報對這兩個計畫只寫了目的，沒有寫經費多少、藥廠能不能看到資料、找出來的病人後續怎麼被聯絡。這篇年報的作者未揭露利益衝突，但八位作者裡有五位是 AAD 的職員；機構和藥廠之間的合作關係，正文裡就寫了。讀這類「AI 找出未診斷病人」的計畫，要同時看見它的好處，和誰在出錢。

台灣皮膚科醫師可以拿走什麼

台灣有更大的資料庫，但是另一種資料。 依 2019 年的一篇回顧，台灣的健保資料庫幾乎涵蓋全民，規模上沒有問題。它的本質是申報資料：知道你開了什麼碼、領了什麼藥，看不到病歷內容。研究者還要到衛福部的衛生福利資料科學中心現場分析，時間與成本都高。DataDerm 走的是另一條路：直接從電子病歷抓，新平台連醫師的自由文字都能分析。兩種資料各有盲點，健保資料庫的優勢是人口完整，DataDerm 的優勢是臨床細節。

兩邊有同一個盲點：自費。 健保不給付的療程不會出現在健保資料裡；DataDerm 的自費療程也幾乎是空白。不管在台灣或美國，醫美的真實樣貌都得靠別的來源，例如學會調查、廠商銷售數字，或診所自己的紀錄。站上〈66 歲開的刀，是 25 歲的 3 倍〉談的美國整形外科年度統計，就是另一種來源，而它今年連微創療程的數字都不公布了。

美國的數字不能直接套到台灣病人身上。 亞裔只占 1.53%，白人的皮膚癌結構和亞洲人不同，看診人員將近四成不是醫師。美國年報的排行榜，適合用來理解美國皮膚科的樣子，不適合直接拿來推論台灣門診。台灣需要的是台灣自己的數字。

單一診所也做得到一小部分。 把自己診所一年的診斷碼和看診次數拉出來，算一次「每位病人平均回診幾次」，就能知道哪些病占掉最多門診時間、哪些病人看一兩次就不見了。後者值得追問：是好了，還是放棄了。

品質申報是一個可以想的方向。 MIPS 讓美國醫師每年交出品質指標，DataDerm 替他們自動完成。台灣沒有這種以皮膚科為單位的品質申報制度。如果有一天學會要建立自己的登錄資料庫，DataDerm 這十年的做法，包括它把系統收回自己經營、暫停研究申請來重新驗證資料，都是可以參考的前例。

給一般讀者：什麼時候該讓皮膚科醫師看

這份資料最大的一群病人，是來看「這顆痣、這塊斑要不要緊」的人。以下情況，建議儘快讓皮膚科醫師看：

• 新長出來的痣或斑，幾週到幾個月內明顯變大
• 顏色不均、邊緣不規則、形狀左右不對稱
• 會出血、結痂、破皮，超過四週還沒好
• 手掌、腳底、指甲出現新的黑色斑或黑色縱紋
• 曬得到的地方，一塊粗糙、摸起來像砂紙的紅斑一直不退
• 這顆痣跟身上其他的痣長得都不一樣，或最近開始會癢、會痛

這些不一定是皮膚癌，但要由醫師判斷，必要時切片。痣怎麼看、哪些變化要緊，站上〈痣什麼時候要擔心？〉寫得更細，也談了想點痣之前該知道的事。看醫師之前，不要自己點掉、雷射掉或用偏方處理；拿掉之後就沒辦法化驗了。

參考文獻

1. Daveluy SD 等，The 2025 Annual Report of DataDerm: The database of the American Academy of Dermatology (AAD)，J Am Acad Dermatol 2026;95(5):1375–1376 doi:10.1016/j.jaad.2026.07.040（PMID 42658149）
2. 附表與附圖：DataDerm 2025 Mendeley Hyperlinks for The 2025 Annual Report of DataDerm，Mendeley Data，https://data.mendeley.com/datasets/t2fc4ft3j9/1
3. Hsieh CY 等，Taiwan’s National Health Insurance Research Database: past and future，Clin Epidemiol 2019;11:349–358 doi:10.2147/CLEP.S196293（PMID 31118821）