《Cosmetics》:The Dermal Echo-Void (DEV) Index: A Reproducible Computer-Assisted High-Frequency Ultrasound Measure of Superficial-Dermis Structure Beyond Skin Density
编辑推荐:
背景:高频超声(HFUS)能够良好地量化真皮皮肤密度,但图像中的低回声(hypoechoic)区域尚未被视为具有信息价值。通过分析HFUS B型扫描图像,研究人员发现,总体密度近乎相同的皮肤,其低回声面积分数可能存在显著差异。为捕捉这一特征,研究人员引入了皮肤
背景:高频超声(HFUS)能够良好地量化真皮皮肤密度,但图像中的低回声(hypoechoic)区域尚未被视为具有信息价值。通过分析HFUS B型扫描图像,研究人员发现,总体密度近乎相同的皮肤,其低回声面积分数可能存在显著差异。为捕捉这一特征,研究人员引入了皮肤回声空隙(DEV)面积分数指数——一种计算机辅助参数,用于测量固定0.45 mm浅层真皮条带(T45)内的低回声空隙,并评估其可重复性及与皮肤密度的非冗余性。方法:在一项纳入23名韩国女性的单臂概念验证研究中,DEV和密度均从相同的22 MHz B型扫描图像中计算得出。结果:DEV在不同分析条带深度间具有可重复性(ICC = 0.93,95% CI 0.86–0.97)。尽管DEV与密度呈负相关(r = ?0.675),但两项指标并非冗余:在39对密度匹配的配对(Δ ≤ 1个百分点)中,DEV平均相差5.6个百分点。单次涂抹后,密度升高+16.44%,DEV下降?35.75%(均p < 0.001)。次要的密度-色素沉着关联不显著(Spearman ρ = ?0.224,p = 0.485)。结论:DEV是HFUS皮肤密度的一种可重复、空间分辨的补充指标,能够捕捉超越聚合值的真皮结构。低回声分数与黑素细胞相关真皮过程的关系有待组织学验证研究。
**论文解读:皮肤回声空隙(DEV)指数——超越聚合密度的浅层真皮结构量化新方法**
**研究背景与问题**
在美容皮肤病学领域,抗色素沉着研究长期聚焦于表皮——黑素沉积的可见部位,并针对烟酰胺、氨甲环酸、谷胱甘肽和曲酸等黑素生成抑制剂开展大量工作。尽管在群体水平上已显示出一定疗效,但预测个体应答及其程度仍是未解决的挑战。越来越多的证据提示,真皮是造成个体治疗反应差异的关键因素。在光损伤和自然老化皮肤中,真皮胶原逐渐紊乱,部分区域声学密度降低,在高频超声(HFUS)图像上呈现为低回声(hypoechoic)区。传统上,HFUS的皮肤密度(%)输出以单一数值概括整体结构完整性,却无法捕捉真皮内低回声区的空间分布。该研究团队在分析22 MHz HFUS B型扫描图像时发现,总体密度几乎相同的皮肤,其低回声面积分数可能差异显著。这一观察促使研究者提出:低回声区域并非偶然的图像噪声,而是代表一种单一聚合密度值无法分辨的独立结构特征。
**研究目的与核心假说**
本研究旨在引入并验证一种名为皮肤回声空隙(DEV)面积分数指数的新参数。该指数是一种计算机辅助测量指标,用于量化固定0.45 mm浅层真皮条带(T
45)内的低回声空隙比例。研究的核心假说是结构性的而非色素中心的:皮肤密度相同但DEV值不同的皮肤,其浅层真皮的低回声结构分布可能存在显著差异。研究者提出两个主要问题:DEV指数是否具有可重复性?它是否与常规皮肤密度非冗余?此外,作为次要探索性问题,研究者检验基线密度与光学色素沉着反应之间是否存在方向性(非因果)关联,该分析仅用于产生假说,并非主要目的。
**研究设计与方法概述**
本研究是一项单臂概念验证性方法学研究,而非疗效试验。研究重新分析了来自韩国首尔人类皮肤临床试验中心有限公司(IRB no. HM-IRB-P26-0145-1)一项前瞻性化妆品试验中采集的22 MHz HFUS图像。共23名健康韩国女性(平均年龄55.65 ± 12.13岁,范围31–74岁)完成研究,无脱落。HFUS成像使用DUB? SkinScanner(22 MHz,TPM GmbH,德国),轴向分辨率约72 μm。皮肤密度根据DERMUS组指南计算。DEV指数通过Python图像分析流程(Python 3.10;OpenCV 4.8,NumPy 1.24,scikit-image 0.21)计算,流程包括:自动边缘检测识别真皮入口回声和皮下边界、提取0–0.45 mm浅层真皮条带、分割T
45深度带内低回声像素、计算DEV面积分数。分析条带深度固定在0.45 mm,并进行了±20%的深度敏感性分析。VISIA-7多光谱成像系统(Canfield Scientific)用于获取紫外线模式下颧骨区域的表面黑素图像,颜色强度得分通过Image-Pro 10提取。统计分析包括Shapiro-Wilk正态性检验、配对t检验/Wilcoxon符号秩检验、Pearson r和Spearman ρ相关分析,以及组内相关系数(ICC)评估可重复性。
**主要研究结果**
**1. 基线特征**:所有23名参与者均完成研究,无不良事件。基线皮肤密度范围15.91%–28.31%,基线UV颜色强度53.09–141.02 AU,提供了足够的结构和色素异质性用于探索性假设检验。
**2. 主要结局:皮肤密度、DEV指数和黑素强度**:化妆品涂抹后,三项主要结局指标均显著改善。皮肤密度从基线20.53 ± 3.34%增至23.91 ± 3.62%(+16.44%,配对t检验p < 0.001,Cohen's d = 1.60)。DEV指数从12.23 ± 5.92%降至7.86 ± 4.47%(?35.75%,p < 0.001,ICC = 0.93)。两项指标的方向互补性(密度上升,DEV下降)支持像素级分割流程的内部一致性。VISIA-7 UV颜色强度从83.93 ± 22.12增至86.24 ± 24.76 AU(+2.74%,Wilcoxon符号秩检验p = 0.033,Cohen's d = 0.43)。但由于单臂设计,这些变化不能完全归因于活性成分,也无法排除立即涂抹后皮肤水合作用的短暂效应。
**3. DEV指数验证:与皮肤密度的非冗余性**:DEV指数与基线皮肤密度呈强负相关(r = ?0.675,p < 0.001),这在结构上符合预期——密度较高的真皮含有较少的低回声空隙。然而,在39对皮肤密度差异≤1个百分点的密度匹配配对中,DEV值平均相差5.6个百分点(中位数4.6,最大15.1),表明尽管两者相关,但并非冗余。深度敏感性分析显示,在T
45(0.45 mm)±20%的三个条带深度(0.36、0.45、0.54 mm)间,DEV值高度一致(跨深度Pearson r = 0.97),且保持了与皮肤密度的负相关关系(r = ?0.55至?0.70),表明结果对条带深度选择具有稳健性。
**4. 次要探索性分析(不显著)**:在预先指定的高黑素亚组(n = 12)中,基线皮肤密度与光学色素沉着反应之间的关联呈方向性提示但不显著(Spearman ρ = ?0.224,p = 0.485),全队列中无此关联(ρ = ?0.099,p = 0.654)。由于相关性不显著且三分位亚组样本量极小(n = 3–5),这些观察仅用于产生假说。
**讨论与结论**
本研究的主要结果是方法学性质的。DEV面积分数指数提供了一种可重复、空间分辨的补充指标,超越了传统HFUS皮肤密度分析。DEV与传统指标的区别在于:皮肤密度将整个真皮压缩为一个平均百分比,而DEV则绘制低回声像素在浅层真皮内的位置,保留了单一平均值丢弃的空间信息。与需要手动绘制边界的SLEB厚度测量不同,DEV在固定0.45 mm深度带内自动计算,具有更高的客观性。研究验证DEV在分析条带深度间高度一致(ICC = 0.93,95% CI 0.86–0.97),结果不依赖于精确条带选择。
研究局限性包括:单臂无对照设计导致无法归因于产品效应;仅建立了分析层面的验证,缺乏组织学验证;样本局限于31–74岁韩国女性,Fitzpatrick皮肤类型、色素表型和绝经状态未分层;DEV主要为自动化但未完全独立于操作者;跨操作者和跨设备推广性未测试。该指数已被描述为初步的图像衍生结构描述符,而非经过验证的诊断、预测或生物标志物。
总之,DEV指数是可重复的(ICC = 0.93),与皮肤密度非冗余(r = ?0.675但匹配密度时明显区分),并对单次化妆品应用产生响应(?35.75%,p < 0.001)。研究展示了DEV流程的技术可行性和可重复性,而非治疗效果。将低回声真皮结构表达为单一可重复的机器可读值,是向将常规皮肤病学超声转化为结构化成像数据迈出的一步,这也将是未来基于人工智能的皮肤分析模型所依赖的标准化输入。