新的成像技术可能会减少对皮肤活检的需求

你的皮肤科医生不需要通过外科手术取出皮肤样本，然后把它送到实验室，等待几天的结果，而是为看起来可疑的病变拍照，并迅速生成皮肤的详细显微图像。

加州大学洛杉矶分校萨穆利工程学院和大卫格芬医学院的研究人员开发了一种新的“虚拟组织学”技术，根据今天的文章，这可能成为临床的常规光:科学与应用，施普林格自然集团的杂志。组织学是研究组织微观结构的学科。

“这个过程绕过了几个通常用于诊断的标准步骤，包括皮肤活组织检查、组织固定、加工、切片、组织化学染色。图像像活检，组织化学染色皮肤该研究的资深作者Aydogan Ozcan说，他是加州大学洛杉矶分校Samueli电子和计算机工程系的校长教授和工程创新Volgenau主席。

这项技术已经研发了三年多，可能会为快速诊断恶性皮肤肿瘤提供一种新的途径，减少不必要的侵入性皮肤活检的数量，并使皮肤癌的早期诊断成为可能。在此之前，这项技术只应用于显微镜载玻片，其中包含通过活组织检查获得的未染色组织。本报告首次将虚拟组织学应用于完整的、未活检的组织。

“目前诊断皮肤病(包括皮肤癌)的标准依赖于侵入性活检和组织病理学评估。对于患者来说，这通常会导致不必要的活检和疤痕，以及多次去看医生。对于患者和医疗保健系统来说，这也可能是昂贵的，”加州大学洛杉矶分校大卫·格芬医学院和西洛杉矶退伍军人事务医院的皮肤病学和皮肤病理学助理教授、加州大学洛杉矶分校琼森综合癌症中心的成员菲利普·斯坎皮亚博士说。“我们的方法可能提供了一种无需活检的解决方案，提供细胞级分辨率的皮肤结构图像。”

由Ozcan, Scumpia和洛杉矶皮肤病学和激光中心的皮肤科医生Gennady Rubinstein博士领导的研究小组创造了一个新的皮肤深度学习该框架将通过新兴的非侵入性光学技术，反射共聚焦显微镜(RCM)获得的完整皮肤图像转换为便于皮肤科医生和病理学家使用的格式。分析RCM图像需要特殊训练，因为它们是黑白的，不像标准组织学，它们缺乏细胞的核特征。

斯库皮亚说:“我惊讶地发现，这种虚拟染色技术很容易就能将图像转化为我通常看到的皮肤活检图像，这些图像是用传统的化学固定和显微镜下的组织染色处理的。”

研究人员训练了一名“卷积神经网络，快速将未染色皮肤的RCM图像转换为实际染色的3D图像，如皮肤科医生和皮肤病理学家所熟悉的H&E(苏木精和伊红)图像。深度学习是机器学习的一种形式人工神经网络这就像人脑一样，可以从大量数据中“学习”。

“该框架可以对包括基底细胞癌在内的各种皮肤状况进行虚拟组织学检查。它还提供了几层皮肤的详细3D图像，”Ozcan说，他还获得了加州大学洛杉矶分校生物工程和外科教授的任命，并且是加州纳米系统研究所的副主任。“在我们的研究中，虚拟染色图像显示出与活检组织的传统染色显微图像相似的颜色对比度和空间特征。这种方法可以让诊断医生看到完整皮肤的整体组织学特征，而无需进行侵入性皮肤活检，也无需进行费时的化学处理和组织标记工作。”

鲁宾斯坦表示，这是一项令人兴奋的概念验证研究。“目前在诊所里用来帮助皮肤科医生的唯一工具是显微镜，它可以放大皮肤和偏振光。在最好的情况下，它们可以帮助皮肤科医生识别模式，”鲁宾斯坦说，他也在临床中使用反射共聚焦显微镜。

作者表示，要将这项技术转化为现实世界，还需要几个步骤临床使用但他们的目标是提供虚拟组织学技术，该技术可以内置到任何设备中——大的、小的或与其他光学成像系统结合。一旦神经网络被“训练”，使用许多组织样本和强大的图形处理单元(gpu)，它将能够在计算机或网络上运行，实现从标准图像到虚拟组织图像的快速转换。

未来的研究将确定这种数字化的、无活检的方法是否可以与全身成像和电子病历相结合，从而开创“数字皮肤病学”的新时代，并改变皮肤病学的实践方式。此外，研究团队还将确定这个人工智能平台是否可以与其他人工智能技术合作，以寻找模式并进一步帮助临床诊断。