基于CNN的AI决策支持用于美容激光治疗前鉴别面部和头皮黑色素细胞性与非黑色素细胞性病变：一项与64名皮肤科医生比较的横断面两级读者研究

《JDDG: Journal der Deutschen Dermatologischen Gesellschaft》：When to refuse cosmetic treatment – AI-decision support for differentiating melanocytic and non-melanocytic facial lesions

　　

摘要
背景：面部和头皮慢性日晒区域的平坦色素性皮肤病变（flat pigmented skin lesions）带来诊断挑战。尤其，日光性黑子（solar lentigo）、色素性光化性角化病（pigmented actinic keratosis）和恶性雀斑样痣（lentigo maligna）表现出重叠特征。出于美容原因错误激光治疗恶性雀斑样痣将不可避免地延误诊断并损害患者安全。本研究评估了一种经市场批准的卷积神经网络（convolutional neural network, CNN）与皮肤科医生在区分面部和头皮病变（face and scalp lesions, FSL）黑色素细胞性与非黑色素细胞性方面的表现。
患者和方法：横断面两级读者研究，使用100例经组织学验证的FSL（I级：仅皮肤镜检查；II级：扩展病例信息）。主要结局是CNN与64名审查扩展病例信息的皮肤科医生相比的诊断准确性。
结果：CNN区分黑色素细胞性和非黑色素细胞性FSL的准确性（95% CI）为79.0%（69.7%–86.5%），ROC-AUC为0.847（0.772–0.923）。皮肤科医生在I级达到平均准确性66.7%（64.7%–68.7%），在扩展病例信息（II级）后增至73.6%（72.1%–75.1%；p < 0.001）。与II级皮肤科医生相比，CNN表现出显著更高的准确性（79.0% vs. 73.6%；p < 0.001）。
结论：研究人员的发现提示，一个训练用于区分黑色素细胞性与非黑色素细胞性FSL的CNN，在作为基于AI的决策支持工具以确定美容激光程序能否安全执行时，可能提高临床医生的诊断准确性。

研究背景方面，面部和头皮是结构及生物学特征独特的解剖部位。美容激光程序广泛用于治疗光老化及令人困扰的皮肤病变，尤其是面部和头皮区域，但临床实践存在较大变异，因此需要标准化、循证的安全方案。激光治疗的主要安全问题是错误治疗黑色素细胞性病变，特别是恶性雀斑样痣（lentigo maligna），因为激光治疗后皮肤镜和组织病理学表现会被改变，从而可能延误黑色素瘤诊断。既往观点认为，误治的主要不良后果并非激光诱导恶性转化，而是激光诱导形态改变导致的诊断延迟。因此，部分作者建议激光治疗前进行组织学确认，或反对对黑色素细胞性病变进行激光治疗。由于常规组织学评估在美容激光前常不被患者接受，临床亟需可靠、非侵入性且非皮肤癌诊断专科医生也可管理的术前病变评估。卷积神经网络（convolutional neural network, CNN）在图像皮肤病变分类中已显示专家级表现，并有证据提示其可安全区分黑色素细胞性与非黑色素细胞性病变，但针对面部和头皮病变（face and scalp lesions, FSL）的证据有限，尤其在美容激光治疗背景下。因此，研究人员开展本研究，评估市场批准CNN在区分FSL黑色素细胞性与非黑色素细胞性病变中的诊断准确性，并与皮肤科医生比较。

研究人员开展了一项横断面两级读者研究，使用100例经组织学验证的FSL。主要终点为CNN与64名审查扩展病例信息的皮肤科医生相比的诊断准确性。研究结论提示，CNN区分黑色素细胞性与非黑色素细胞性FSL的准确率高于皮肤科医生，作为AI决策支持工具可能提高临床医生判断美容激光程序能否安全执行的诊断准确性。其意义在于，术前可靠识别黑色素细胞性病变可能减少误治和诊断延迟，从而支持患者安全。

主要关键技术方法：该研究为横断面两级读者研究。样本来自海德堡大学皮肤科、慕尼黑Thalkirchner Stra?e医院皮肤科、格拉茨医科大学皮肤科及康斯坦茨一家公立、私立和教学皮肤科诊所2000—2018年图像档案，共856例FSL病例；最终测试集100例随机抽取，98%组织学确认，2%由专家共识及>2年无事件随访确认；另用外部MSK-1数据集（n = 1,100）验证。评估的CNN为市场批准AIMEE^TM/ma pro 6.1.4（MDR class-IIa），基于改良Inception-v4，输出黑色素细胞性/非黑色素细胞性二分类，cut-off > 0.5。64名皮肤科医生通过网页平台于2020年完成I级（仅皮肤镜）和II级（皮肤镜+临床近照+年龄、性别、病变位置）评估。统计采用Wilcoxon rank-sum和Wilcoxon signed-rank检验，p < 0.05，SPSS 29。

研究结果如下。

测试集（Test-set）：评估测试集包括100例FSL，来自100例患者，平均年龄59.0岁（范围4–92；标准差22.8）。48例为良性，52例为恶性；59%为黑色素细胞性，41%为非黑色素细胞性。最常见诊断包括日光性黑子/脂溢性角化病30%、恶性雀斑样痣22%、侵袭性黑色素瘤19%（平均肿瘤厚度0.74 mm，范围0.15–3.8 mm）、黑色素细胞痣18%、色素性光化性角化病6%、色素性基底细胞癌5%。结果文本报告94%的病变为色素性。颊部49%、鼻15%、前额15%为最常见部位；77%为平坦斑疹，23%为隆起或结节性病变。

CNN的诊断性能（Diagnostic performance of the CNN）：以预定义>0.5作为黑色素细胞性分类阈值，CNN正确识别86.4%（75.5%–93.0%）的黑色素细胞性病变。真黑色素细胞性病变亚组中，痣正确分类率94.4%，侵袭性黑色素瘤89.5%，恶性雀斑样痣77.3%，黑色素细胞性病变中位评分接近1。非黑色素细胞性病变中，CNN正确识别68.3%（53.0%–80.4%）；光化性角化病83.3%，基底细胞癌83.3%，日光性黑子/脂溢性角化病63.3%，非黑色素细胞性病变中位评分低于0.3。总体而言，CNN区分黑色素细胞性与非黑色素细胞性皮肤病变的准确率为79.0%（95% CI 69.7%–86.5%），ROC-AUC为0.847（95% CI 0.772–0.923）。

皮肤科医生的诊断性能（Diagnostic performance of dermatologists）：皮肤科医生在I级（仅皮肤镜）平均准确率为66.7%（64.7%–68.7%），在II级（扩展病例信息）显著提高至73.6%（72.1%–75.1%；p < 0.001）。按经验分层，I级初学者准确率61.4%（52.9%–69.9%），熟练者67.4%（64.6%–70.2%），专家69.0%（66.8%–71.2%）；II级初学者72.1%（67.5%–76.7%；p = 0.008），熟练者73.0%（70.2%–75.8%；p < 0.001），专家75.2%（73.3%–77.1%；p < 0.001）。I级时，皮肤科医生平均正确识别59.0%（56.0%–62.0%）的黑色素细胞性病变；其中痣64.2%，侵袭性黑色素瘤64.1%，恶性雀斑样痣46.8%。非黑色素细胞性病变平均正确分类率较高，为78.2%（75.9%–80.5%），其中基底细胞癌87.1%，日光性黑子/脂溢性角化病78.3%，光化性角化病71.9%。II级信息后，黑色素细胞性病变诊断性能显著改善至71.3%（69.3%–73.3%；p < 0.001），非黑色素细胞性病变基本不变，为77.1%（p = 0.076）；黑色素细胞性病变中痣83.9%，侵袭性黑色素瘤73.3%，恶性雀斑样痣55.8%；非黑色素细胞性病变中基底细胞癌92.2%，日光性黑子/脂溢性角化病76.3%，光化性角化病71.6%。

CNN与皮肤科医生的诊断性能比较（Diagnostic performance of CNN versus dermatologists）：以所有皮肤科医生在II级时的平均准确率作为基准。CNN准确率79.0%显著高于皮肤科医生II级73.6%（p < 0.001）。虽然皮肤科医生诊断性能随经验增加而提高，但在所有经验水平上仍低于CNN。即使审查扩展病例信息的专家，其准确率也低于CNN（79.0% vs. 75.2%；p < 0.001）。

CNN在额外验证集中的诊断性能（Diagnostic performance of the CNN in an additional validation set）：使用广谱MSK-1数据集作为独立、完全外部验证集，共1,100例。在该数据集中，CNN区分黑色素细胞性与非黑色素细胞性皮肤病变的总体准确率为94.7%（95% CI 94.6%–94.8%），ROC AUC为0.961（95% CI 0.944–0.978）。

讨论部分总结：既往CNN已在皮肤病变图像分类中显示专家级性能，但多数读者研究聚焦恶性与良性二分类，未充分反映常规皮肤镜实践中的逐步诊断推理。临床上，病变评估通常以皮肤镜两步算法（two-step algorithm）的第一步开始，即区分黑色素细胞性与非黑色素细胞性病变；该初始决策是关键诊断关口，直接影响后续处理和患者安全，在具有部位特异性解剖及皮肤镜特征的FSL中尤其重要。既往试点数据提示市场批准CNN可能在躯干和四肢等常见部位可靠区分黑色素细胞性与非黑色素细胞性皮肤病变，但FSL证据有限。该问题在美容激光治疗背景下尤为重要，因为误分类的黑色素细胞性病变若被不慎激光治疗，包括黑色素瘤，已与诊断延迟、转移进展和致命结局相关。因此，将FSL皮肤镜两步算法第一步计算机化具有临床相关性，但诊断挑战大。研究人员使用临床代表性数据集，富集日光性黑子/脂溢性角化病（30%）和早期原位黑色素瘤（22%），发现受测CNN在区分黑色素细胞性与非黑色素细胞性FSL方面表现稳健，准确率79.0%，ROC-AUC 0.847，优于皮肤科医生总体。CNN在各皮肤镜经验水平上均超过皮肤科医生表现。补充临床图像和元数据后，初学者诊断准确率从61.4%提高至72.1%，突显背景信息对固有皮肤镜复杂性解剖部位的重要性。CNN在独立MSK-1验证集上准确率94.7%、ROC-AUC 0.961，支持算法的稳健性和泛化性。尽管将皮肤镜经验与激光治疗结局直接关联的证据仍有限，但在此背景下，基于CNN的决策支持工具可能有助于减少经验依赖性变异，尤其在高风险术前场景中，即激光专业可能可及但皮肤镜专业不足时，但该假设需未来前瞻性临床研究确认。病变特异性分析显示，皮肤科医生和CNN具有互补优势：黑色素细胞性病变，包括痣、恶性雀斑样痣和侵袭性黑色素瘤，无论医生信息级别如何，CNN分类更准确；恶性雀斑样痣对医生尤其困难，即使II级信息，医生正确识别仅55.8%，假阴性率44.2%，而CNN正确分类77.3%，假阴性率22.7%；在22例恶性雀斑样痣亚组中，CNN支持可能将美容激光前潜在危险假阴性评估从10例降至5例，约减少50%。相反，医生在非黑色素细胞性病变中表现较高，尤其日光性黑子/脂溢性角化病（I级78.3%；II级76.3%），而CNN准确率较低（63.3%）。这些发现提示，深度学习CNN可能作为安全机制，劝阻对黑色素细胞性病变进行激光治疗并提示组织病理评估，而皮肤科医生在常见非黑色素细胞性病变中保持更优诊断性能。分类为非黑色素细胞性并不必然意味着适合激光治疗。未来应用中，受评估CNN可能适合整合入与皮肤镜两步算法一致的分层或集成决策支持框架；将黑色素细胞性与非黑色素细胞性初始区分与后续良恶性分类结合，可能实现有临床意义的病变分层，因为分层方法在初始决策步骤中已显示优于扁平多分类模型。研究优势包括：数据集从较大病例数据库中随机编制，反映真实世界高风险场景，主要由平坦色素性面部病变和较高比例诊断挑战性病变组成，包括恶性雀斑样痣、侵袭性黑色素瘤和非黑色素细胞性模拟病变；纳入侵袭性黑色素瘤回应了关键安全问题，因这类病变曾被不慎激光治疗并导致部分致命结局；在更大广谱数据集上挑战CNN支持外部效度；纳入大批不同经验水平皮肤科医生和两级读者设计，使每名皮肤科医生在两级评估所有病例，便于系统评估经验和临床元数据影响。局限包括：来自四个参与中心的病例样本可能未完全覆盖常规临床实践中的形态谱，限制高风险场景之外的外推性；以中欧队列典型的浅色皮肤型为主，限制对深色皮肤型的适用性；对低色素或无色素病变，尤其在光损伤皮肤上，解读CNN输出需谨慎，因为色素减少可能限制CNN和皮肤镜评估的诊断准确性；标准化皮肤镜图像采集可能不反映真实世界变异；分析限于使用预定义元数据的图像分类，无前瞻性纵向随访或临床结局数据，可能低估皮肤科医生诊断性能。因此，尽管结果支持CNN决策支持在术前病变评估中的潜在作用，但该研究仍为回顾性、横断面和图像基础，未直接评估临床管理决策或真实世界患者结局，故CNN临床价值应谨慎解读。

研究结论翻译：总之，本研究证明，一种经市场批准的CNN在区分面部和头皮黑色素细胞性与非黑色素细胞性病变方面，较皮肤科医生取得更优诊断准确性，同时突出人类表现中与经验相关的变异。CNN辅助评估可能在这一解剖和诊断具有挑战性的场景中成为有价值的支持工具，尤其在任何计划美容干预的情况下。研究人员的发现为将基于CNN的决策支持系统谨慎整合到激光医学工作流程中提供了初步支持。然而，单独的黑色素细胞分类不应指导治疗决策，最终诊断责任仍由治疗医生承担。