皮肤病镜检查联合机器学习在实体器官移植受者中区分光化性角化病与鲍恩病的诊断准确性研究

《Actas Dermo-Sifiliográficas》：Dermoscopy of intraepidermal keratinocytic neoplasms in solid organ transplant recipients: a single-center prospective real-world study supported by machine learning

　　

摘要

背景：光化性角化病（AKs）和鲍恩病（BD）是皮肤鳞状细胞癌（cSCC）的前驱病变，由于慢性免疫抑制，这些病变在实体器官移植受者（SOTRs）中尤为常见。早期、准确的诊断至关重要。皮肤镜检查是最广泛使用且经过验证的非侵入性诊断工具，尽管大多数研究涉及的是免疫功能正常的患者。

目的：评估皮肤镜检查在SOTRs中区分AK和BD的诊断准确性，评估既有的皮肤病镜诊断标准在该人群中的适用性，并比较专家观察者、逻辑回归和机器学习模型的性能。

方法：我们开展了一项前瞻性观察研究，纳入了SOTRs中临床分类为AK或BD的38个病灶。3名盲态专家使用13项预定标准对每个病灶进行皮肤病镜检查，随后进行活检以进行组织病理学确认。分析包括逻辑回归、观察者间一致性、诊断性能，以及使用SHapley加性解释（SHAP）值评估随机森林模型。

结果：我们评估了36名患者的38个病灶；其中22例经组织病理学诊断为BD（58%），16例诊断为AK（42%）。皮肤病镜对BD的敏感性和特异性分别为61%和79%（阳性预测值81%；阴性预测值58%）。对AK的敏感性为79%，特异性为61%。逻辑回归分析发现草莓样模式、厚白色-黄色鳞屑和球状血管与BD显著相关。SHAP分析支持这些关联，但也发现人类与基于模型的特征解释之间存在差异。

结论：既有的皮肤病镜诊断标准可能会低估SOTRs中病灶的严重程度，尤其是BD。在本队列中，一些传统上与AK相关的特征，包括草莓样模式和玫瑰花结样结构，更多提示BD。诊断算法需要在免疫抑制人群中进一步验证，可解释的机器学习可能提供补充的诊断见解。

L. Bernal Masferrer|M. álvarez-Salafranca|T. Gracia Caza?a|MC. Gómez|V. Velasco-Tamariz|R. Gamo-Villegas|M. Claudia Matei|I. Bernad Alonso|A. Marín Aranzana|J. Fernandez Rodriguez|Y. Gilaberte