摘要
背景
在初级保健中，区分皮肤癌与良性病变的常规方法是临床检查，可能结合或不结合皮肤镜检查。不同初级保健医生在评估皮肤肿瘤方面的经验各异，同时远程皮肤镜检查的可用性也有所不同。为提升诊断效果，有必要改进皮肤肿瘤的评估方法。本研究旨在探讨一种将近红外光谱技术与皮肤阻抗测量相结合的非侵入性方法在初级保健中检测皮肤癌的诊断效果。
材料与方法
从寻求初级保健服务以进行皮肤病变检查的患者身上前瞻性地收集了近红外光谱技术下的皮肤阻抗测量数据。通过多种机器学习方法将这些测量结果与实际病变诊断结果进行对比，以此确定最合适的机器学习方法，并评估近红外光谱技术在区分皮肤癌与良性病变方面的诊断效果。
结果
共有80名参与者，其皮肤病变总数为109例。其中检测出50例皮肤癌或原位癌：8例黑色素瘤/原位黑色素瘤，4例原位鳞状细胞癌，38例基底细胞癌。根据接收者操作特征曲线下面积可知，近红外光谱技术在区分各类皮肤癌/原位癌方面的能力为0.776，而仅针对黑色素瘤/原位黑色素瘤时，该数值为0.911。在检测所有类型的皮肤癌时，单独使用近红外光谱技术的AUC值（0.826）略高于近红外光谱技术结合皮肤阻抗测量方法的AUC值（0.776），而单独使用皮肤阻抗测量方法的AUC值则稍低（0.693）。
结论
近红外光谱技术似乎是一种很有前景的生物工程技术，可用于初级保健机构中检测皮肤癌，有望为未来的皮肤病变评估带来帮助。不过，目前并没有充分证据表明添加皮肤阻抗测量功能能进一步提升诊断效果。
利益冲突
作者声明不存在任何利益冲突。
数据可用性说明
本研究的相关数据可应合理请求向通讯作者获取。
