《Journal of Fungi》：Artificial Intelligence in the Diagnosis of Superficial Mycoses: A Scoping Review
人工智能（AI）被越来越多地用于诊断浅表真菌病，然而，这些文献是否均衡覆盖诊断路径，以及是否已成熟到足以进行临床转化，仍不清楚。研究人员将AI应用映射到诊断路径的操作性划分（D1–D4），即本综述的构建框架：分析前临床图像（D1）、分析性显微镜检查和组织病理学（D2）、分析性分子鉴定（D3）以及整合性分析后解释（D4）。共纳入33项原始研究（2007年至2026年），其中85%发表于2021年之后，且主要来自亚洲。应用集中在D2（n = 16）和D1（n = 13），D3较少（n = 4），D4缺如。报告的性能常较高，但依赖于内部单中心验证：完整的外部验证和前瞻性预注册各仅出现于一项研究；只有少数研究同时共享公共代码和数据；约半数研究报告了人口学数据缺失，且没有D1研究按Fitzpatrick皮肤光型对性能进行分层。相当一部分研究存在与所评价工具相关的利益冲突，集中在独立验证最为稀缺的分子领域；在能够进行此类再评价的情况下，报告的性能显著下降（曲线下面积（AUC）从0.98降至0.75）。该研究主体偏向于诊断的早期步骤，未涉及整合性分析后步骤，且显示方法学成熟度不足以支持常规临床转化。制度化外部验证、通过开放代码和数据实现可重复性、数据集重叠与利益冲突的声明，以及具有临床意义的结果，是未来工作的优先事项。
1. Introduction
人工智能（AI）被越来越多地用于浅表真菌病的诊断。此类工具最终需以真实世界的临床效用为评判标准，而模型准确性、法规与伦理、法律影响及可及性是主要障碍。文献批判性阅读需关注两个可能造成性能膨胀的环节：迁移学习，即从大型通用数据集预训练后迁移至小型医学数据集，其特征可能不适用于医学图像；随机分析，即在不同随机初始化下重复训练以报告分布而非单次结果。术语方面，机器学习（ML）从示例中学习而无需显式编程，深度学习（DL）是ML的子集，卷积神经网络（CNN）是医学图像分析中最常见的DL架构。临床背景方面，浅表真菌感染影响全球约20%–25%人口，诊断困难，临床检查易误诊，经验性治疗可能促进耐药，且实验室确认方法本身各有缺陷。直接镜检有操作者依赖性，培养缓慢且特异性受限，分子检测快速但集中专科中心。诊断浅表真菌病不是单一行为，而是一条多步骤路径。
Objectives of This Review
本综述有三个目标：绘制文献中报告的技术与诊断任务，从临床照片与皮肤镜的皮损分类，到直接镜检（KOH、calcofluor white、胶带撕取）、组织病理（PAS、GMS、H&E）及分子底物（MALDI-TOF质谱、ITS测序、微阵列）的分析；利用操作性网格（D1–D4）将AI应用定位于诊断路径，该网格依据每个应用的输入、预期用户和输出划分；识别使AI应用可转化为实际所需的方法学空白。
2. Materials and Methods
本综述遵循Joanna Briggs Institute（JBI）指南，并按PRISMA-ScR（系统评价和荟萃分析优先报告条目扩展——范围综述）报告。检索PubMed/MEDLINE、Europe PMC、arXiv、OpenAlex和Dimensions五个数据库，以AI术语与浅表真菌病术语的合取块检索，仅限英文，无年份限制。筛选由单一 reviewer 完成。分析单元是AI应用而非研究，定义为输入（临床图像、显微镜视野、MALDI-TOF谱、ITS序列等）、预期用户（皮肤科医生、全科医生、微生物学家、病理学家、参考实验室）和输出（诊断概率、真菌元素检测、物种鉴定、整合决策支持）的组合。D1—临床诊断前步骤：位于医患界面，包括临床摄影和皮肤镜指导的决策；D2—分析性视觉底物：包括D2a直接镜检（KOH、calcofluor、native tape strip）、D2b组织病理（PAS、GMS、H&E、全玻片成像）和D2c培养菌落形态；D3—分析性分子底物：输入为MALDI-TOF谱、ITS/TEF1测序、微阵列等分子信号，输出为物种鉴定和耐药预测；D4—整合性分析后步骤：将实验室结果与临床和流行病学背景结合，形成解释性报告或治疗建议，核心定义在国际上共通。数据综合为叙述性，按应用域组织。记录确认样本量、外部验证等级（完整/部分/无）、人机比较、同一底物专家参照以及利益冲突分级。
3. Background: Prior Review Literature on AI in Superficial Mycoses
既有综述共14篇，分为专门针对AI在浅表真菌病或甲病中的应用，以及将浅表真菌病作为皮肤病学AI的一部分两类。多数专注甲真菌病，且常见结论为CNN在临床、皮肤镜或显微镜图像上能达到与皮肤科医生相当的性能，内部验证AUC通常为0.82–0.98。这些综述普遍指出小样本、单中心、缺乏外部验证和二元分类等局限，但均未将AI应用映射到诊断路径的各步骤，也未系统分析物种鉴定和耐药预测等治疗最相关的任务。
4. Results
4.1. General Characteristics of the Included Studies
共纳入33项原始研究（2007–2026），其中29项（88%）发表于2021年后，主要来自亚洲。按D1–D4网格分布不均：D2 16项，D1 13项，D3 4项，D4 0项。技术上有四代方法共存：深度学习前系统（PAPNET、规则处理）、经典机器学习、卷积神经网络（ResNet、VGG、DenseNet、EfficientNet、YOLO）以及更新型的U-Net变体、卷积-Transformer混合和纯Vision Transformer。D3的4项研究使用微阵列、MALDI-TOF和ITS Sanger测序等不同分子信号。
4.2. Internal Validity of the Included Studies
参考标准、样本量、验证类型和人机比较差异较大。具有可靠人机比较的研究包括Han等（42名皮肤科医生和57名非皮肤科医生）、Zhu等（54名皮肤科医生）、Jansen等（10个机构的11名皮肤病理学家）等。三项研究使用同一底物专家参照，即AI与人类对同一底物的判读比较，这并非循环论证，但模型至多只能重现该底物的可错判读，从而限制了可证明的性能上限。
4.3. External Validity and Reproducibility
患者选择为前瞻性连续纳入的有12项，回顾性18项，混合2项，目的性1项。27项（82%）为单中心。完整的人口学数据报告仅10项（30%），15项（45%）完全未报告，且没有D1研究按Fitzpatrick皮肤光型分层。完整的外部验证仅1项（3%），仅内部验证的有28项（85%）。前瞻性预注册仅1项（3%）。公共代码和公共数据均公开的仅2项（6%）。未声明的数据集重叠在5项研究（15%）中被发现。利益冲突存在于10项研究，其中4项为最大风险（作者为评估工具公司的创始人或雇员），3项为高风险，2项为中风险，1项为低风险。
4.4. The D4 Category
D4类别在33项研究中完全无应用。这并非方法学遗漏或检索错误，而是结构性空白。仅两项研究部分触及D4：Hulse等（D2）产出关于是否需要追加PAS染色的决策输出，Todd等（D3）建立了从基因型到耐药谱再到治疗决策的隐式链条，但二者均未以D4为主要目标。
5. Discussion
5.1. Findings
文献分布极不均匀：D1=13，D2=16，D3=4，D4=0；报告的性能高但基础薄弱，完整外部验证和前瞻性预注册均仅各1项，人口学数据缺失常见。两项算法在新人群再评估时性能下降（如AUC从0.98降至0.75），提示报告准确性可能系统性偏高。
5.2. Contribution of the Project
主要概念贡献是D1–D4划分。它依据用户、输入和服务于诊断步骤对应用分类，而非按技术或病理分类。此前14篇综述均未进行此类映射，空的D4类别由此显现。研究还区分了未声明的数据集重叠（有害）与对已发表算法在新的独立人群上的再评估（有益）。
5.3. Emergent Patterns by Domain
5.3.1. D1—Pre-Analytical, Clinician-Facing
全部13项D1研究使用智能手机、数码相机或便携式皮肤镜拍摄的临床或皮肤镜图像，可扩展性最强，但方法学参差不齐。Han等是唯一具有完整外部验证（三个独立机构，342例患者）、公共代码与数据、并透明报告跨机构性能下降的研究。没有D1研究按Fitzpatrick皮肤光型分层，因此深肤色性能未知。
5.3.2. D2—Analytical, Microscopy and Histopathology
D2是数量最多且最异质的领域，技术跨度从PAPNET到Vision Transformer。三项研究在方法学上较成熟：Decroos等采用正式非劣效性检验和复合参考标准；He等使用排除了被评工具的复合临床-真菌学-皮肤病学参考以避免纳入偏倚；Hulse等是本综述唯一预注册研究，采用按暴露连续选择和Firth惩罚置信区间。Rajitha系列存在数据集重叠且未声明。
5.3.3. D3—Analytical, Molecular
D3在输入层面最异质，四种研究无共同数据类型，但临床重量最大，因物种鉴定和耐药预测直接关系治疗，尤其是耐特比萘芬的Trichophyton indotineae。该领域利益冲突集中，四项中三项存在分级利益冲突。Tirard-Collet等是例外，其法国人群独立评估报告了商业试剂盒的真实技术失败率。Todd等具有最完全透明度（公共代码、数据、无利益冲突），并建立了从基因型到耐药的显式链条。
5.3.4. D4—Declared Empty: A Structural Finding
D4是将分析结果转化为临床决策的步骤。其空缺的结构性原因在于：该步骤需整合不同性质的输入（分析结果、临床背景、宿主和流行病学因素），而当前实践中没有任何单一角色掌握全部信息，且现有数据集缺乏结构化链接的临床和实验室数据。未来D4应用可能更像实验室输出的编排层，而非图像分类工具，但目前尚无可证实其充分性的证据。
5.4. Cross-Cutting Methodological Limitations
5.4.1. Internal Validity: Data Leakage and Outcome-Reporting Bias
最严重的内部有效性威胁是未声明的数据重用。5项研究存在未声明重叠，其中一组三项D2出版物训练和测试图像重叠，造成数据泄漏并高估性能。前瞻性预注册几乎缺失，无法评估结果报告偏倚。
5.4.2. Findings on External Validity and Reproducibility
内部估计可靠但很少可迁移。完整外部验证是例外，最高指标基于内部验证，且仅有的两项再评估均显示迁移后性能下降。近半数未报告人口学数据，无D1研究按Fitzpatrick分层，技术失败率几乎从未报告。
5.4.3. Conflicts of Interest
行业关联集中于D3分子域。开发者运行评估捕捉的是专家用户上限，普通临床医生或技师操作时错误率会回升。独立评估虽少，却报告了技术失败率和外部性能下降等“不漂亮”的数据，因此具有与其数量不成比例的重要性。
5.5. Implications for Current Clinical Practice
5.5.1. Where the Reported Evidence Is Strongest
最严格评价的应用是Decroos等（非劣效性检验、置信区间、复合参考标准）；He等（用于高容量实验室KOH/荧光显微镜的辅助工具）；Todd等（用于流行病学监测和耐药基因型鉴定，而非床边诊断）。但三者均未达到临床实施验证状态。
5.5.2. The D1 Smartphone-Clinician Domain: Triage Rather than Replacement
D1域报告性能高但依赖内部验证和专有算法，且皮肤光型组成未知。商业智能手机应用不能替代临床检查加真菌学确认；其合理角色是分诊，即标记是否需要进一步检查，并明确其跨皮肤光型性能尚不清楚。
5.5.3. Post-Publication Independent Evaluation as a Methodological Model
一组独立再评价研究量化了性能变化，其中一项记录了远高于原始开发者报告的技术失败率。这是从孤立高准确率报告走向累积性外部证据的机制，可通过编辑期望或预注册验证研究加以鼓励。
5.6. Recommendations for Future Research
根据方法学维度提出八项建议：内部有效性方面，声明数据集重叠并进行前瞻性预注册；外部有效性和可重复性方面，采用独立机构验证并报告与内部验证的差异、按皮肤光型分层、默认开放代码和数据、报告技术失败率；临床相关性和转化方面，报告有临床意义的结果、使推理可检查、明确将D4作为目标。
5.7. Limitations of This Scoping Review
主要局限是缺乏验证过的AI诊断准确性研究评价工具，QUADAS-2不足以覆盖ML特定问题，QUADAS-AI尚未最终定稿。检索未覆盖Scopus和Web of Science，未进行前向引文追踪，且限于英文。方案未预注册，筛选由单人完成。D1–D4网格为单轴简化，边缘病例的分配虽已记录但未必唯一。
6. Conclusions
AI用于浅表真菌病诊断的文献增长迅速，但各诊断步骤覆盖不均。报告准确性高却主要基于内部单中心验证，且存在未声明的数据集重叠和分子域行业利益冲突集中两个威胁。独立机构的外部验证、开放代码与数据的可重复性，以及缺失的整合性步骤的开发，是临床有效转化的优先事项。
