_______________

光化性角化病(AK)，也称为日光角化病，是一种角化细胞衍生的癌前病变，常见于老年人和皮肤白皙者，通常发生在暴露于阳光下的部分皮肤^[1-4]。由一组欧洲皮肤科医生所描述的野区癌变是指在可见的光损伤皮肤内包含或邻近AK病变的解剖区域。该区域以色素改变、质地粗糙、变薄或毛细血管扩张为特征，是AK病变发展为皮肤鳞状细胞癌(cSCC)的地方^[5]。目前普遍认为AK和浸润性鳞状细胞癌是皮肤鳞状细胞癌的不同分期。多发AK（超过10处皮损）的患者5年内发展为SCC 的风险可达14%^[6]。年龄、性别、光型I/II、既往皮肤肿瘤史及户外工作史是AK发展的5个重要的风险因素^［7］。此病的发病率存在地区性差异，流行病学研究中发现其发病率可达1.4% ～ 59.2%^［8］。随着生活习惯、饮食、环境等因素的变化，日光性角化病也在成逐年上升的趋势。据研究报道，未经治疗的日光性角化病每年的癌变率

已经由0.03%增至16%^［9］。日光性角化病还可同时

存在多处临床和亚临床损害，所以早期诊治有助于清除光化损伤部位，降低进展为侵袭性SCC的风险。目前对AK的诊断和随访主要依靠医生的主观判断和病理检查，其中组织病理学仍是AK诊断的金标准。但病理活检作为一种有创检查，在临床实际工作中对每一处疑似皮损进行组织病理检查的可行性较低，存在一定局限性。而且由于患者往往未意识到该病恶性转化的潜在风险，导致其发病风险常被低估^［10］。因此临床上急需构建一种令人满意的无创、便捷、易操作、在体、动态的AK诊治、随访监测体系，这就是皮肤影像技术。皮肤成像技术在皮肤病辅助诊断中的应用日趋成熟，是皮肤性病学的一个新兴亚专科。本文主要介绍了皮肤镜、皮肤反射共聚焦显微镜和光学相干断层扫描、人工智能在AK诊断中的应用。                                                

1、皮肤镜在日光性角化病诊断中的应用

皮肤镜作为临床运用广泛的无创诊断设备，利用光学放大和偏振的原理，可帮助临床医生提高AK的诊断准确性，在辅助AK诊断和鉴别诊断、提示病变范围、评价疗效及动态随访等方面发挥重要作用。皮肤镜诊断AK的敏感性为98.7%，特异性为95%^[11]。

皮肤镜检查作为一种可以多点、多次、无创的辅助诊断方法，可以够观察到表皮至真皮浅层内色素性结构以及浅层血管的形态和大学，显示出肉眼观察不到的形态学特征^［12］。面部非色素性AK 的皮肤镜下表现包括：①绕毛囊周围的红色假网状结构；②黄白色鳞屑；③绕毛囊的细小线状- 波浪形血管；④毛囊开口内含角栓。这些特征联合在一起形成了经典的“草莓征” ^[13]。红色假网状结构(高特异性)结合卵泡孔扩张结构(高敏感性)诊断AK的敏感性和特异性分别为95.6%和95.0%^[11]。色素性AK 的皮肤镜表现为灰色点球/颗粒或褐色无结构色素沉着，面部色素性AK多表现为假网状结构及环状- 颗粒状模式^[14]。此外，玫瑰花瓣征在毛囊口呈正方形排列的四个白色斑点，与四叶草结构相似，但不具有疾病特异性^[15]。

AK不同组织病理学分级对应不同的临床表现和皮肤镜特征^[15]。不同的组织病理分级对应不同的临床表现和皮肤镜特征[15]。Ⅰ级表现为轻度可触及的暗红色斑片，皮肤镜下为红色假网状模式（红色背景上可见无色素的毛囊开口，毛囊周围可见点状及线状血管呈网状分布），对应组织病理表现为表皮下1/3 的角质形成细胞有异型性，毛囊角栓尚未形成；Ⅱ级为中等厚度的暗红色斑块，表面少许黏着性鳞屑，镜下特征为草莓状模式（即红色背景上可见黄白色、角化、扩张的毛囊开口，毛囊口周围白晕，可见点状及不规则线状血管），组织病理学上对应表皮下部2/3 的角质形成细胞具有异型性，毛囊角栓明显；Ⅲ级为明显角化过度的红色斑块，皮肤镜特征为黄白色无结构区、致密的毛囊口黄色角栓、黄白色鳞屑，对应组织病理学表现为全层角质形成细胞具有异型性，乳头瘤样增生，附属器亦受累，毛囊口因弥漫角化而消失^[10]。

图2 皮肤镜下AK表现：草莓状模式（A B  表面鳞屑  C 日光损伤处皮肤可见细长的毛细血管扩张  D 填满角质的毛囊口，靶样白色或黄色略圆形模式）、偏振光下玫瑰花瓣征（E、F）

临床工作中，对于AK的正确诊断和治疗方法的选择均不能仅根据临床表现，AK的皮肤镜分级可以有助于判断病变的严重程度、评估皮损恶变的风险、选取适当的治疗方法。皮肤镜应用对临床诊断、减少盲目活检、临床评估疗效随访均具有重要临床意义^[16]。然而，对于没有典型特征的皮肤病变，皮肤镜检查仍存在误诊率。因此，组织病理学检查结果仍应作为皮肤镜下疑似病例的金标准。

2、体内反射共聚焦显微镜在日光性角化病诊疗中的应用

与皮肤镜检查相比，包括反射共聚焦显微镜(RCM)在内的较新的无创诊断技术已被证明达到相似甚至更高的诊断价值^[17]。反射共聚焦显微镜(RCM)是近年来发展迅速的一种皮肤成像老化技术，通过利用细胞器和组织结构本身的不同折射率，在细胞水平分辨率下对皮肤进行水平扫描，能够以接近组织学的分辨率实时成像皮肤浅层。它具有非侵入性、实时性、可重复性等优点，已广泛应用于各种皮肤病的临床辅助诊断^[18.19]。

通过RCM观察到的AK的主要特征包括表皮内角质形成细胞排列紊乱，失去了正常的蜂窝状结构；角质形成细胞结构呈多形性，细胞核折光度更低，核大，胞质折光度增加，形态不规则；真皮胶原较之周围正常皮肤较为致密，伴血管或炎症细胞改变。这些特征为鉴定AK提供了80%的敏感性和98.6%的特异性^[20]。反射共聚焦显微镜在诊断AK方面不仅可以确定明确的标准，也为皮肤科医生提供了密切跟踪癌变领域以及局部治疗的不同阶段的机会。但它仍是刚刚起步的新技术，该技术的障碍是黑白对比成像和有限的穿透深度，为了建立AK的诊断和分期的明确标准，还需要对大群体患者进行研究。所以仅用RCM进行诊断仍然具有挑战性。改进RCM装置，为皮肤病提供更多的诊断价值是有希望的。

图3 RCM图像下AK的表现：3-A：表皮内角质形成细胞排列紊乱，部分细胞核折光度低，核大，胞质折光度增加。3-B：异形的靶形细胞，核暗而胞浆明亮。3-C：高折光的树突状细胞。

3、光学相干断层扫描在日光性角化病诊疗中的应用

光学相干断层扫描(OCT)提供非侵入性的实时皮肤成像，操作类似于超声波，但使用近红外光脉冲而不是声波。OCT的工作原理是干涉测量，通过测量在不同深度反射的光的强度来捕获图像。OCT产生的图像可以是横断面(垂直)或面(水平)，它们可以是二维或三维的。标准OCT系统通常达到1-2毫米的穿透深度，横向分辨率小于7.5微米，轴向分辨率小于5微米，覆盖6毫米×6毫米的视野。虽然提供高分辨率，传统的OCT仅限于成像较大的结构和模式，而不是单个细胞。它对识别AK特别有效，因为它可以渗透到真皮-表皮交界处(DEJ)，揭示汗腺、毛囊和其他深层结构，直至真皮中部^[21]。

高清晰度OCT (HD-OCT)是标准OCT的一种变体，遵循相同的基本原理，但增强了功能。它拥有3微米的横向和轴向分辨率，使其能够可视化单个皮肤细胞。HD-OCT的视场较小，为1.8 ×1.5 mm，其图像以横断面(b扫描)和面扫描两种模式呈现。与传统OCT相比，HD-OCT对面模式的分析更为广泛，HD-OCT的穿透深度为570 um，在穿透深度和图像分辨率方面介于RCM和传统OCT之间^[22]。

一些研究利用OCT成像ak，描述各种形态特征。这些特征包括皮肤层的紊乱、白色条纹和圆点的存在、角化过度和表皮厚度增加^[23-25]。在HD-OCT中，ak细胞的特征是表皮结构紊乱和非典型蜂窝状结构。当在正面模式下观察时，通常观察到这种模式为整个表皮中正常多边形细胞的减少排列。Maier等进行了一项比较AK形态学HD-OCT特征和组织病理学方面的研究^[26]。他们发现HD-OCT可以有效地显示组织病理学特征，如角化过度和角化不全，在HDOCT中可识别为SC的不规则破坏和SC的增厚，这些破坏被描述为SC破坏。然而，在HD-OCT图像中，组织病理学炎性浸润在真皮上部并不完全可见。本研究的一个关键观察结果是，HD-OCT正面图像可以显示角质形成细胞的改变在棘层溶解和角化不良的形态和分布上的异质性^[27]。

4、人工智能在日光性角化病诊疗中的应用

1956年，John McCarthy在一次学术会议上首次提出了人工智能(AI)的概念，即具有人类思维方式的电脑技术，能模仿人脑思考^［28］。与人脸识别技术类似，AI 用于影像学则是识别病灶。不过前者技术已较成熟，应用广泛，后者尚在研究中，只得到初步应用。

影像诊断人工智能检测模型是基于机器视觉的深度学习神经元数学模型，直接从大量的原始像素出发，挖掘出有效影像组学特征，学习和模仿医师的诊断技术，作出诊断，并通过反馈纠正错误，自行从经验中学习。可以构建多层人工神经网络，例如卷积神经网络，用于影像学的分类、察觉和分割等^［29］，成为AI 的核心部分，用于电脑辅助检测/诊断（computer-aided detection/diagnosis，CAD）等。CAD 综合运用电脑、算法、统计、图像处理与分析等，从医学影像上提取特征、标注可疑病变、对病灶进行良、恶性判断，已应用于临床诊断和疾病筛查，既减轻了医生负担，又提高了诊断准确率^［30］。

人工智能评估AK的主要优势之一是客观性^[31.32]，它使用卷积神经网络(CNN)自动检测，这种客观性消除了传统临床评估中经常遇到的观察者之间的可变性，据研究，人工智能的评估达到了71.3%的高灵敏度。

人工智能的评估除了客观性外，还大大减少了评估病变所需的时间。人工智能评估可以在实时模式下以每秒8帧的速度获取图像，可以对整个病变进行自由扫描，并直接从所有图像中获得相关的人工智能LC-OCT PRO评分，而不会造成时间损失。人工智能的评估的另一个优点是它能够全面考虑整个病变，对AK病变提供更全面的评估。这种更广泛的覆盖范围可能有助于提高灵敏度，因为它考虑了AK的全部形态特征[33.34]。

结论与展望

综上所述，无创诊断工具的优势在于其在体、实时，极大地降低了病理活检率，提高AK的诊断准确性。组织学检查仍然是AK诊断的金标准，但对于较大面积的病灶或多处病变，病理活检不可能切除整个病灶或多处切除，我们可以在皮肤镜指导下切除最具代表性的区域，但这种方式并不能判别整个区域内的病变情况，从而存在误判或漏判的现象。RCM的高分辨率和OCT的高穿透力能够对整个病变进行更加准确的在体和无创评估，特别是对于亚临床病变具有更好的效果，可用于判断手术切除边界，从而做出最佳的治疗选择。AI技术依靠强大的图像识别和深度学习技术等，极大地提高了数据分析的效率和准确性，有很大的发展前景。整合这些工具的诊断算法，可以很好的帮助临床医生最大限度提高诊断AK的准确性。总之，数字医学和人工智能的时代已经到来，我们每一个皮肤科医生都应该跟上步伐，为未来医学的创新不懈努力。

参考文献

[1].Heaphy, M.R., Jr.; Ackerman, A.B. The Nature of Solar Keratosis: A Critical Review in Historical Perspective. J. Am. Acad. Dermatol. 2000, 43,138–150. [CrossRef] [PubMed] . DOI: 10.1067/mjd.2000.107497

[2].Werner, R.N.; Sammain, A.; Erdmann, R.; Hartmann, V.; Stockfleth, E.; Nast, A. The Natural History of Actinic Keratosis: A Systematic Review.Br. J. Dermatol. 2013, 169, 502–518. [CrossRef] [PubMed] . DOI: 10.1111/bjd.12420

[3].Ferrándiz, C. Update on Actinic Keratosis in Clinical Trial Experience with Imiquimod: Update on Actinic Keratosis. Br. J. Dermatol. 2007, 157,32–33. [CrossRef] . DOI: 10.1111/j.1365-2133.2007.08270.x

[4]Ackerman, A.B.; Mones, J.M. Solar (Actinic) Keratosis Is Squamous Cell Carcinoma: Solar (Actinic) Keratosis Is Squamous Cell Carcinoma. Br. J.Dermatol. 2006, 155, 9–22. [CrossRef] . DOI: 10.1111/j.1365-2133.2005.07121.x

[5]Christensen, S.R. Recent Advances in Field Cancerization and Management of Multiple Cutaneous Squamous Cell Carcinomas. F1000Research2018, 7, 690. [CrossRef] [PubMed] . DOI: 10.12688/f1000research.12837.1

[6]Glogau RG. The risk of progression to invasive disease[J]. J AmAcad Dermatol, 2000, 42(1 Pt 2): 23-24. DOI: 10.1067/mjd.2000.103339

[7]Flohil SC， van der Leest ＲJ，Dowlatshahi EA，et al. Prevalence of actinic keratosis and its risk factors in the general population: the Ｒotterdam Study［J］. J Invest Dermatol，2013，133 ( 8 ):1971－1978. DOI: 10.1038/jid.2013.134

[8]Flohil SC，vander Leest ＲJ，Dowlatshahi EA，et al． Prevalenceof  actinic keratosis and its risk factors in the general population: the Ｒotterdam Study ［J］．J Invest Dermatol，2013，133(8):1971–1978. DOI: 10.1038/jid.2013.134

[9]Lebwohl M． Actinic keratosis : epidemiology and progression to squamous cell carcinoma ［J］． Br J Dermatol，2003，149 ( Suppl 66):31 33. DOI: 10.1046/j.0366-077x.2003.05621.x

[10]高尧颖,杨井,陶娟,等.皮肤影像技术在日光性角化病诊疗中的应用价值［J］.中国医刊,2022,57(9):947-949. DOI: 10.3969/j.issn.1008-1070.2022.09.007

[11]HUERTA-BROGERAS M, OLMOS O, BORBUJO J, et al.Validation of dermoscopy as a real-time noninvasive diagnostic imaging technique for actinic keratosis[J]. Arch Dermatol, 2012,148(10): 1159-1164. DOI: 10.1001/archdermatol.2012.1060

[12]孟如松， 赵广. 皮肤镜图像分析技术的基础与临床应用［J］.临床皮肤科杂志，2008，37（4）：264-267. DOI: 10.3969/j.issn.1000-4963.2008.04.036

[13]ZALAUDEK I, GIACOMEL J, ARGENZIANO G, et al.Dermoscopy of facial nonpigmented actinic keratosis[J]. Br J Dermatol, 2006, 155(5): 951-956. DOI: 10.1111/j.1365-2133.2006.07426.x

[14]MOSCARELLA E, RABINOVITZ H, ZALAUDEK I, et al.Dermoscopy and reflectance confocal microscopy of pigmentedactinic keratoses: a morphological study[J]. J Eur Acad Dermatol Venereol, 2015, 29(2): 307-314. DOI: 10.1111/jdv.12532

[15]中国医疗保健国际交流促进会皮肤科分会皮肤影像学组, 中华医学会皮肤性病学分会皮肤病数字化诊断亚学组, 中国中西医结合学会皮肤性病专业委员会皮肤影像学组, 等. 鳞状细胞肿瘤皮肤镜特征专家共识(2017)[J]. 中华皮肤科杂志, 2018, 51(2): 87-91 DOI: 10.3760/cma.j.issn.0412-4030.2018.02.001

[16]陈雪，刘文斌，杨竹生，等.颜面部日光性角化病与皮肤镜检查特征相关性分析［J］. 中国临床医生杂志,2020,48(5):599-601. DOI: 10.3969/j.issn.2095-8552.2020.05.029

[17]Lallas, A.; Argenziano, G.; Zendri, E.; Moscarella, E.; Longo, C.; Grenzi, L.; Pellacani, G.; Zalaudek, I. Update on Non-Melanoma Skin Cancer and the Value of Dermoscopy in Its Diagnosis and Treatment Monitoring. Expert Rev. Anticancer Ther. 2013, 13, 541–558.[CrossRef] [PubMed] . DOI: 10.1586/era.13.38

[18]Rajadhyaksha M, Marghoob A, Rossi A, et al. Reflectance confocal microscopy of skin in vivo: from bench to bedside. Lasers Surg Med 2017;49(1):7-19. DOI: 10.1002/lsm.22600

[19]Alvarez-Roman R, Naik A, Kalia YN, et al. Visualization of skin penetration using confocal laser scanning microscopy. Eur J Pharm Biopharm. 2004;58(2):301-316. DOI: 10.1016/j.ejpb.2004.03.027

[20]Rishpon, A.; Kim, N.; Scope, A.; Porges, L.; Oliviero, M.C.; Braun, R.P.; Marghoob, A.A.; Fox, C.A.; Rabinovitz, H.S. Reflectance Confocal Microscopy Criteria for Squamous Cell Carcinomas and Actinic Keratoses. Arch. Dermatol. 2009, 145, 766–772. [CrossRef] . DOI: 10.1001/archdermatol.2009.134

[21]Boone,M.Jemec, G.B.E.; Del Marmol, V. High-definition Optical Coherence Tomography Enables Visualization of Individual Cells in Healthy Skin: Comparison to Reflectance Confocal Microscopy.Exp.Dermatol.2012, 21,740–744.[CrossRef].DOI: 10.1111/j.1600-0625.2012.01569.x

[22]Mogensen, M.; Joergensen, T.M.; Nürnberg, B.M.; Morsy, H.A.; Thomsen, J.B.; Thrane, L.; Jemec, G.B.E. Assessment of OpticalCoherence Tomography Imaging in the Diagnosis of Non-Melanoma Skin Cancer and Benign Lesions versus Normal Skin: Observer-Blinded Evaluation by Dermatologists and Pathologists. Dermatol. Surg. 2009, 35, 965–972. [CrossRef] . DOI: 10.1111/j.1524-4725.2009.01164.x

[23]Korde, V.R.; Bonnema, G.T.; Xu, W.; Krishnamurthy, C.; Ranger-Moore, J.; Saboda, K.; Slayton, L.D.; Salasche, S.J.; Warneke, J.A.;Alberts, D.S.; et al. Using Optical Coherence Tomography to Evaluate Skin Sun Damage and Precancer. Lasers Surg. Med. 2007, 39, 687–695. [CrossRef] . DOI: 10.1002/lsm.20573

[24]Barton, J.K.; Gossage, K.W.; Xu, W.; Ranger-Moore, J.R.; Saboda, K.; Brooks, C.A.; Duckett, L.D.; Salasche, S.J.; Warneke, J.A.;Alberts, D.S. Investigating Sun-Damaged Skin and Actinic Keratosis with Optical Coherence Tomography: A Pilot Study. Technol. Cancer Res. Treat. 2003, 2, 525–535. [CrossRef] . DOI: 10.1177/153303460300200605

[25]Banzhaf, C.A.; Themstrup, L.; Ring, H.C.; Mogensen, M.; Jemec, G.B.E. Optical Coherence Tomography Imaging of Non-melanoma Skin Cancer Undergoing Imiquimod Therapy. Skin Res. Technol. 2014, 20, 170–176. [CrossRef] [PubMed] . DOI: 10.1111/srt.12102

[26]Boone, M.A.L.M.; Marneffe, A.; Suppa, M.; Miyamoto, M.; Alarcon, I.; Hofmann-Wellenhof, R.; Malvehy, J.; Pellacani, G.; Del Marmol, V. High-definition Optical Coherence Tomography Algorithm for the Discrimination of Actinic Keratosis from Normal Skin and from Squamous Cell Carcinoma. J. Eur. Acad. Dermatol. Venereol. 2015, 29, 1606–1615. [CrossRef] [PubMed] . DOI: 10.1111/jdv.12954

[27]Maier, T.; Braun-Falco, M.; Laubender, R.P.; Ruzicka, T.; Berking, C. Actinic Keratosis in the En-Face and Slice Imaging Mode of High-Definition Optical Coherence Tomography and Comparison with Histology: Actinic Keratosis in High-Definition Optical Coherence Tomography. Br. J. Dermatol.2013,168,120–128.[CrossRef][PubMed].DOI:10.1111/j.1365-2133.2012.11202.x

[28]Amisha，Malik P，Pathania M，et al.Overview of artificial intelligence in medicine［J］. J Family Med Prim Care，2019，8（7）：2328-2331. DOI: 10.4103/jfmpc.jfmpc_440_19

[29]Chartrand G，Cheng PM，Vorontsov E，et al.Deep learning：a primer for radiologists［J］. Radiographics，2017，37（7）：2113-2131. DOI: 10.1148/rg.2017170077

[30]Vyborny CJ，Giger ML.Computer vision and artificial intelligence in mammography［J］. AJR Am J Roentgenol，1994，162（3）：699-708. DOI: 10.2214/ajr.162.3.8109525

[31]Shmatko, A.; Ghaffari Laleh, N.; Gerstung, M.; Kather, J.N. Artificial intelligence in histopathology: Enhancing cancer research and clinical oncology. Nat. Cancer 2022, 3, 1026–1038. [CrossRef] [PubMed] . DOI: 10.1038/s43018-022-00436-4

[32]Jiang, Y.; Yang, M.; Wang, S.; Li, X.; Sun, Y. Emerging role of deep learning-based artificial intelligence in tumor pathology. Cancer Commun. 2020, 40, 154–166. [CrossRef] [PubMed] .DOI: 10.1002/cac2.12012

[33]Marks, R.; Rennie, G.; Selwood, T.S. Malignant transformation of solar keratoses to squamous cell carcinoma. Lancet 1988,1,795–797.[CrossRef].DOI: 10.1016/s0140-6736(88)91658-3

[34]Ahmady, S.; Jansen, M.H.E.; Nelemans, P.J.; Kessels, J.; Arits, A.; de Rooij, M.J.M.; Essers, B.A.B.; Quaedvlieg, P.J.F.; Kelleners-Smeets, N.W.J.; Mosterd, K. Risk of Invasive Cutaneous Squamous Cell Carcinoma after Different Treatments for Actinic Keratosis: A Secondary Analysis of a Randomized Clinical Trial. JAMA Dermatol. 2022, 158, 634–640. [CrossRef] .DOI: 10.1001/jamadermatol.2022.1034

作者简介：姓名：韩珈蓉(1988年11月19日) 性别：女  民族：汉  籍贯：宁夏银川市  学历：硕士研究生职称：主治医师  研究方向：皮肤肿瘤  

[基金项目]  宁夏医科大学科学研究基金资助项目（XM2021024）