崔勇 于建斌 鄒先彪 李航 劉潔 孟如松 劉華緒 謝鳳英 馬維民 常江

100029北京，中日友好醫(yī)院皮膚病與性病科（崔勇）；鄭州大學第一附屬醫(yī)院皮膚性病科（于建斌）；解放軍總醫(yī)院第一附屬醫(yī)院皮膚性病科（鄒先彪）；北京大學第一醫(yī)院皮膚性病科（李航）；中國醫(yī)學科學院 北京協(xié)和醫(yī)學院 北京協(xié)和醫(yī)院皮膚性病科（劉潔）；解放軍空軍總醫(yī)院皮膚病醫(yī)院（孟如松）；山東省皮膚病醫(yī)院（劉華緒）；北京航空航天大學宇航學院圖像處理中心（謝鳳英）；上海麥色信息科技有限公司（馬維民）；優(yōu)麥醫(yī)療（常江）

·專家視角·

亟需加快建設中國人群皮膚影像資源庫：高質量皮膚影像是構建智能輔助診斷系統(tǒng)的基礎

崔勇 于建斌 鄒先彪 李航 劉潔 孟如松 劉華緒 謝鳳英 馬維民 常江

100029北京，中日友好醫(yī)院皮膚病與性病科（崔勇）；鄭州大學第一附屬醫(yī)院皮膚性病科（于建斌）；解放軍總醫(yī)院第一附屬醫(yī)院皮膚性病科（鄒先彪）；北京大學第一醫(yī)院皮膚性病科（李航）；中國醫(yī)學科學院 北京協(xié)和醫(yī)學院 北京協(xié)和醫(yī)院皮膚性病科（劉潔）；解放軍空軍總醫(yī)院皮膚病醫(yī)院（孟如松）；山東省皮膚病醫(yī)院（劉華緒）；北京航空航天大學宇航學院圖像處理中心（謝鳳英）；上海麥色信息科技有限公司（馬維民）；優(yōu)麥醫(yī)療（常江）

皮膚位于人體表面，很多皮膚病僅根據皮損的“可視化特征”即可確診，因此皮膚病學是最適宜應用各種圖像技術的臨床二級學科［1?2］。隨著設備研發(fā)水平和數據分析技術的不斷提高，構建智能輔助診斷系統(tǒng)的條件已逐漸成熟。作為智能輔助診斷系統(tǒng)的必備基礎，大規(guī)模的高質量皮膚影像是整個實施路徑中最為值得關注的問題。

一、皮膚影像診斷方法是彌補診斷能力的重要手段

皮膚病種類繁多，經典教科書《Rook′s Textbook of Dermatology》記載的皮膚病診斷名稱超過2 000種，對皮膚科醫(yī)師的診斷能力提出很高要求。診斷行為及其準確度受到很多因素的影響（如學習能力、分析能力、記憶能力、生理心理狀態(tài)等），因此不同醫(yī)師的診斷能力和水平之間存在顯著差異。

皮膚影像是基于影像技術發(fā)展起來的一系列輔助診斷方法，主要包括皮膚攝影、皮膚鏡、皮膚表面3D分析儀、皮膚共聚焦顯微鏡、皮膚超聲等。皮膚攝影最早可以追溯到1848年，Hullihen醫(yī)師拍攝1例因燒傷而引起的面部和頸部皮膚異常［3］。16世紀就已有學者使用顯微鏡觀察甲襞血管，Goldman醫(yī)師首次使用皮膚鏡分析色素痣與黑素瘤，被視為皮膚鏡臨床應用的開端［4?5］。皮膚表面3D分析儀、皮膚共聚焦顯微鏡和皮膚超聲等則是醫(yī)學工程與影像醫(yī)學結合的產物。由于皮膚影像診斷方法的出現，皮損的“可視化特征”也逐步拓展為“可利用皮膚影像診斷方法獲取的可視化特征”。皮膚影像診斷方法拓展和深化了臨床醫(yī)師的信息獲取能力，幫助使用者獲得比原先更多的具有診斷價值的信息，從而提升皮膚病診斷水平和效率。

由于原理和側重點不同，每種皮膚影像診斷方法均具有各自的優(yōu)勢和局限性，如何整合不同的成像技術實現彼此優(yōu)勢互補，為明確診斷提供更加全面和精確的信息是皮膚影像學發(fā)展的重要課題。事實上，多模態(tài)影像技術也是現代醫(yī)學影像學發(fā)展的方向，目前臨床上以PET/CT為代表的多模態(tài)成像是一個成功的代表。充分利用我國數量龐大的皮膚病患者資源，構建適用于我國人群的皮膚病智能輔助診斷系統(tǒng)，已經成為重大課題。如何在現有工作基礎上，對高質量皮膚影像數據庫的構建路徑、適用性數據信息的挖掘策略及深入學習模式等開展研究，是構建皮膚病智能輔助診斷系統(tǒng)的核心和關鍵。

二、基于皮膚影像的皮膚病智能輔助診斷系統(tǒng)已成為發(fā)展趨勢

自電腦誕生之日起，利用存儲分析技術來進行疾病輔助診斷的努力一直在持續(xù)。近年來“智慧診斷”、“人工智能（artificial intelligence，AI）”，得到社會高度關注，也在皮膚病診斷領域得到同步發(fā)展，并且逐漸成為趨勢。

早期皮膚病“智慧診斷”研究主要針對預知特征，從皮膚圖像中提取信息進行判斷，在2012年之前能夠達到的最低錯誤率為25%。2012年機器深度學習首次被應用在ImageNet數據集上，錯誤率降低到16%，并隨著算法改進進一步降低至2016年的3.5%。而在ImageNet數據集上，人類分類錯誤率約為5.1%，高于機器的錯誤率，這是機器深度學習帶來的技術突破［6?7］。

2016年 12月，斯坦福大學 Esteva等［8］針對129 450幅皮膚病臨床圖像（包含2 032種不同疾?。蒙疃染矸e神經網絡（DCNN，人工神經網絡的一種，是第一個真正成功訓練多層網絡結構的學習算法，已成為當前語音分析和圖像識別領域的主流模式）進行細粒度（fine?grained）對象的像素和疾病標注，并構建訓練模型，在隨后的模型驗證中對“來源于角質形成細胞的皮膚腫瘤”（惡性）與“脂溢性角化病”（良性）、“惡性黑素瘤”（惡性）與“痣”（良性）進行機器識別，并與21位認證皮膚科醫(yī)師的診斷結果進行對比，結果顯示，DCNN的準確度達到參與測試的醫(yī)師水平，證明人工智能對皮膚腫瘤（特別是惡性黑素瘤）的診斷水平已經可以媲美專業(yè)皮膚科醫(yī)師。

最近洛克菲勒大學Gareau等［9］使用Q?score危險因素標示方法進行13種機器深度學習算法分析，對黑素瘤診斷的敏感度達到98%，特異度達36%。加拿大滑鐵盧大學Glaister等［10］開展的研究系統(tǒng)描述了皮膚影像特征數據的標注及抽取技術，并設計基于機器深度學習的黑素瘤篩檢系統(tǒng)。此外尚有很多在圖形圖像識別領域的醫(yī)療人工智能研究案例，其效果也比傳統(tǒng)的機器學習效果顯著。構建智能輔助診斷系統(tǒng)的技術層面要素（包括DCNN、隨機丟棄技術、基于大規(guī)模無標注圖像的非監(jiān)督特征學習、基于全球圖形處理器（GPU）的機器深度學習模型訓練等）已經逐漸成熟，可用于建立皮膚病的智能輔助診斷系統(tǒng)。

人工智能及信息挖掘技術的突破將在皮膚疾病的診斷中起到重要作用，幾乎可以肯定的是，不遠的將來會出現更為“智能”的“皮膚病電腦醫(yī)生”，但這并不意味著皮膚科醫(yī)師在臨床診療和臨床決策中的重要角色將被替代，相反，我們完全可以充分利用智能輔助診斷系統(tǒng)給我們帶來的實際益處。同時應該認識到，并非每種皮膚病都存在可辨別的可視化特征，有的疾病診斷可能需要從細胞、分子甚至基因水平獲得更多證據，因此智能輔助診斷系統(tǒng)具有一定的適用范圍，存在一定的技術邊界。

三、我國的皮膚影像資源歸集工作已具備一定基礎

從相機/數碼相機開始出現時，我國皮膚病學工作者就已經開始自發(fā)積累皮膚影像資料（個人歸集階段）。隨著臨床教學、研究素材積累、論文發(fā)表、教材編寫需求的上升，皮膚影像資料歸集逐漸成為教研室、雜志社、編輯部的主動行為（集體歸集階段），期間出版了很多高質量的皮膚病圖譜，成為皮膚影像資料的典型形式。

2002年，由安徽醫(yī)科大學第一附屬醫(yī)院、中國醫(yī)科大學第一附屬醫(yī)院、第四軍醫(yī)大學西京醫(yī)院、鄭州大學第一附屬醫(yī)院、廣東醫(yī)學院附屬醫(yī)院等協(xié)同創(chuàng)立“中國皮膚病攝影圖像聯盟”，開始建立跨單位的皮膚病影像數據庫（主要是皮膚攝影和組織病理）；高天文、張海龍等建立“中國皮膚性病學網”，成為基于網絡歸集皮膚影像資源的成功嘗試。2014年張學軍、崔勇等實施我國首個基于醫(yī)院網絡的遠程皮膚病學項目——“安徽省云醫(yī)院”，建立我國首個皮膚科醫(yī)生聯合體，成為大規(guī)模開放式歸集皮膚影像數據的可參考模式。2016年我國皮膚影像領域專家聯名發(fā)表文章《應重視皮膚影像輔助診斷方法的質量管理》［11］，在本領域規(guī)范性方面發(fā)揮了推動作用。

基于已積累的皮膚影像資源，已逐步開展臨床和基礎研究，主要包括皮膚影像診斷方法對各種類型皮膚病的診斷價值研究、各種皮膚影像診斷方法與組織病理表現的相關性和差異性研究、多種皮膚影像診斷方法組合模式對診斷效率的提升作用研究等，部分已獲得初步成果［12?17］。2017年崔勇等與上海麥色信息科技有限公司合作，利用機器深度學習策略對200組特定疾病的多維度皮膚影像（皮膚攝影+皮膚鏡+皮膚反射式共聚焦顯微鏡+組織病理）進行綜合分析，最終機器診斷準確率達到86%，對影像數據挖掘和分析技術框架進行了初步定型。

為了推動我國在該領域的數據積累和深入研究，由國內皮膚影像專家團隊和數據處理技術團隊聯合發(fā)起的“中國人群皮膚影像資源庫”項目已正式啟動。該項目是一個以智慧診斷集成方案為最終歸宿的多中心協(xié)同項目，首次采用“完全開放的眾籌模式”設計，主要實施路徑是建立皮膚影像資源庫協(xié)作網，制定皮膚病輔助診斷質量管理系統(tǒng)和圖像服務“云”平臺，開發(fā)數據歸集模式和數據信息挖掘技術，并在此基礎上探索建立新型皮膚病智能輔助診斷系統(tǒng)。

四、建設皮膚影像資源庫的若干重要問題

1.充分認識“多維度”皮膚影像資料的重要性：對于很多皮膚病而言，我們僅通過臨床表現很難達到對疾病本質的準確把握，因此診斷都是“相對準確”的。組織病理學是我們區(qū)分、規(guī)定和命名皮膚病的工具之一，盡管并非適用于所有皮膚病的診斷，但在沒有更好“金標準”出現之前，組織病理學仍然是我們建立皮膚影像資源庫的重要參照。

與肉眼識別皮損可視化特征相比，各種皮膚影像診斷方法獲取的是特定層面或視角的信息。不同方法獲得信息之間是否具有一致性，特別是它們與組織病理學特征之間是否存在對應性，決定了這些信息將來是否能作為智能輔助診斷系統(tǒng)的可靠指標。鑒于以上原因，我們在建立皮膚影像資源庫時，首先應考慮納入“多維度”皮膚影像，包括皮膚攝影、皮膚鏡、皮膚共聚焦顯微鏡、皮膚超聲等，以及對應部位的組織病理學資料?！岸嗑S度”皮膚影像是將來評估和標準制定、開展相關研究的重要素材。

2.著力解決皮膚影像質量標準化問題：皮膚影像質量標準化問題不容忽視。不同參數皮膚鏡成像質量存在差異，兩種皮膚鏡術語體系并存，多數皮膚共聚焦顯微鏡使用者未接受正規(guī)、標準化操作和結果判讀培訓等。因此，除了后期開發(fā)影像數字處理流程和模式外，納入皮膚影像資源庫的原始數據需參照如下標準。

（1）皮膚攝影：①體位：以皮損為中心，突出重點，明確顯示解剖位置；②光線：盡量選擇自然光或無影閃光燈下拍攝；③背景：一般選純色為背景色，既保證背景簡潔、主體突出，又不失醫(yī)學攝影的嚴肅和莊重；④構圖：既需全景照片反映皮疹部位、數目及分布規(guī)律，也需特寫表現皮疹性質及更多肉眼難以分辨的細節(jié)，可拍攝成組照片［18?19］。

（2）皮膚鏡：①皮損整體：光源選擇自然光，并注明模式（偏振光或非偏振光）、放大倍數；②局部細節(jié)：分別拍攝皮損最大放大倍數且圖像清晰的照片。

（3）皮膚共聚焦顯微鏡：①縱向掃描：從角質層到真皮淺層的縱向掃描，每層厚度5 μm；②水平掃描：角質層、顆粒層、棘層、基底層、真表皮交界、真皮淺層有病理改變的水平掃描圖像；③局部細節(jié)：每一層所表現的病理變化，拍攝局部的細節(jié)照片。

（4）皮膚超聲：①縱向掃描：皮損區(qū)域使用高頻或超高頻超聲掃描，標注掃描頻率（20 MHz、50 MHz等頻率）；②整體及細節(jié)成像：能清晰顯示表皮、真皮及皮下組織，測量皮損范圍、深度、血流、性質及與周圍組織的關系等。

（5）組織病理學：①與皮膚鏡等檢查的取材位置相對應；②留取照片（整體圖像、細節(jié)圖像）；③標注放大倍數、染色方式、皮損部位等。

3.正確處理樣本庫規(guī)模與質量的關系：樣本規(guī)模是皮膚影像資源庫的重要參數和屬性，也直接決定影像信息標注工作量、建設周期、人力及經費投入等。從數據處理角度出發(fā)，納入研究的樣本數量越大，各種皮膚影像中信息提取的把握度就越大，對智能輔助診斷系統(tǒng)的支撐作用也就越大。但是如果納入樣本庫的皮膚影像存在診斷錯誤、不符合質量標準化要求或多維度皮膚影像不匹配時，后期數據處理的精度和效率將受到顯著影響，“有效樣本量”大大下降。因此我們在考量皮膚影像資源庫的樣本量時，仍應首先強調數據的質量。

4.將醫(yī)學經驗和臨床指南與智能輔助診斷系統(tǒng)融合：在眾多不同的皮膚病中，相當一部分已經具備較為成熟、可用于診斷的醫(yī)學經驗，部分病種已總結出基于共識的“臨床指南”，這既是皮膚科醫(yī)師開展業(yè)務學習的依據，也是臨床工作中驗證診斷和鑒別診斷的標準。智能輔助診斷系統(tǒng)的構建依賴于機器深度學習，其學習模式與已具備的醫(yī)學經驗和臨床指南也存在多種對接方式和模式。

當建立了樣本量足夠的皮膚影像資源庫后，構建智能輔助診斷系統(tǒng)可采用兩種策略：①基于醫(yī)學經驗的模型：是疾病預測的傳統(tǒng)方法，通過臨床醫(yī)生指導和臨床醫(yī)學文獻獲取皮膚病的風險因素，并基于這些風險因素建立預測模型，給出各種皮膚病診斷的把握度；②基于數據驅動的模型：對皮膚病風險因素無任何假設，基于已有數據分析算法的研究，根據所有可能的風險因素建立統(tǒng)一的不依靠任何預先設定和領域專家干預的數據驅動模型。兩種數據模型的建立和對比，將成為最終確定智能輔助診斷系統(tǒng)優(yōu)化方案的基礎。

五、展望

基于各種皮膚影像輔助診斷方法已日益成熟、國內外研究進展以及不同種族個體皮膚特性之間存在差異性等現狀，建設基于我國人群的大規(guī)模高質量皮膚影像數據庫勢在必行，也是開展機器深度學習研究、探索適用性強的皮膚病輔助診斷模式和臨床決策系統(tǒng)的重要基礎。對上述瓶頸問題的思考和解決，將有助于促進皮膚病學真正邁向“信息化”和“數字化”，更是將來在更大范圍內開展遠程皮膚病學和智慧診斷等的必由之路。

［1］崔勇,楊森,張學軍.數碼技術與皮膚病學［J］.臨床皮膚科雜志,2008,37（1）:61?62.DOI:10.3969/j.issn.1000?4963.2008.01.037.

［2］崔勇,Daniel WP,Davis MD,等.遠程皮膚病學的現狀和展望［J］.中國皮膚性病學雜志,2011,25（11）:829?831.

［3］崔勇,Daniel WP,Davis MD,等.皮膚病攝影的回顧和展望［J］.中華皮膚科雜志,2011,44（10）:754?755.DOI:10.3760/cma.j.issn.0412?4030.2011.10.030.

［4］冉玉平.新視野、新平臺、新模式-皮膚鏡在皮膚性病診治中應用體會和展望［J］.皮膚病與性病,2014,36（1）:13?16.DOI:10.3969/j.issn.1002?1310.2014.01.006.

［5］崔勇,林艷,于瑞星,等.歷史、現狀及發(fā)展方略——皮膚鏡在中國［J］.中國皮膚性病學雜志,2017,31（2）:119?122.DOI:10.13735/j.cjdv.1001?7089.201608024.

［6］馬世龍,烏尼日其其格,李小平.大數據與深度學習綜述［J］.智能系統(tǒng)學報,2016,11（6）:728?742.DOI:10.11992/tis.201611021.

［7］侯宇青陽,全吉成,王宏偉.深度學習發(fā)展綜述［J］.艦船電子工程,2017,37（4）:5?9,111.DOI:10.3969/j.issn.1672?9730.2017.04.002.

［8］Esteva A,Kuprel B,Novoa RA,et al.Dermatologist?level classification of skin cancer with deep neural networks［J］.Nature,2017,542（7639）:115?118.DOI:10.1038/nature21056.

［9］Gareau DS,Correa dRJ,Yagerman S,et al.Digital imaging biomarkers feed machine learning for melanoma screening［J/OL］.Exp Dermatol,2016.http://onlinelibrary.wiley.com/doi/10.1111/exd.13250/full.［published online ahead of print December 19,2016］.DOI:10.1111/exd.13250.

［10］Glaister J1,Amelard R,Wong,et al.MSIM:multistage illumina?tion modeling of dermatological photographs for illumination?corrected skin lesion analysis［J］.IEEE Trans Biomed Eng,2013,60（7）:1873?1883.DOI:10.1109/TBME.2013.2244596.

［11］中華醫(yī)學會皮膚性病學分會皮膚病數字化診斷亞學組,中國醫(yī)學裝備協(xié)會皮膚病與皮膚美容分會皮膚影像裝備學組,中國中西醫(yī)結合學會皮膚性病專業(yè)委員會皮膚影像學組,等.應重視皮膚影像輔助診斷方法的質量管理［J］.中華皮膚科雜志,2017,50（4）:235?238.DOI:10.3760/cma.j.issn.0412?4030.2017.04.001.

［12］孟如松,蔡瑞康,趙廣,等.皮膚鏡圖像分析技術在育發(fā)類產品的功效評價研究［J］.CT理論與應用研究,2010,19（1）:71?76.

［13］趙瑩,蔡澤明,鞏毓剛,等.斑禿皮損的皮膚鏡影像及其與臨床病理的關系［J］.中華皮膚科雜志,2011,44（1）:30?34.DOI:10.3760/cma.j.issn.0412?4030.2011.01.011.

［14］章星琪.常見脫發(fā)疾病皮膚鏡征象與病理的聯系［J］.臨床皮膚科雜志,2011,40（12）:771?774.DOI:10.3969/j.issn.1000?4963.2011.12.034.

［15］中西醫(yī)結合學會皮膚性病學專業(yè)委員會皮膚影像學亞專業(yè)委員會.毛發(fā)疾病皮膚鏡診斷專家共識［J］.中國麻風皮膚病雜志,2016,32（3）:129?132.

［16］中西醫(yī)結合學會皮膚性病學專業(yè)委員會皮膚影像學亞專業(yè)委員會.紅斑鱗屑性皮膚病皮膚鏡診斷專家共識［J］.中國麻風皮膚病雜志,2016,32（2）:65?69.

［17］中國醫(yī)療保健國際交流促進會皮膚科分會皮膚影像學組,中華醫(yī)學會皮膚性病學分會皮膚病數字化診斷亞學組,中國醫(yī)師協(xié)會皮膚科醫(yī)師分會皮膚外科亞專業(yè)委員會,等.《皮膚鏡術語規(guī)范:第三次國際皮膚鏡協(xié)會會議共識》解讀［J］.中華皮膚科雜志,2017,50（4）:299?304.DOI:10.3760/cma.j.issn.0412?4030.2017.04.017.

［18］李政霄,馬慧群,于建斌,等.如何拍攝滿意的皮膚病皮損臨床照片?［J］.中國皮膚性病學雜志,2014,28（11）:1184?1186.DOI：10.13735/j.cjdv.1001?7089.2014.1184.

［19］中國中西醫(yī)結合學會皮膚性病學分會皮膚影像學亞專業(yè)委員會.皮膚科攝影專家共識［J］.中國麻風皮膚病雜志,2016,32（10）:577?580.

《皮膚科結締組織病診治》書訊

由復旦大學附屬中山醫(yī)院皮膚科李明教授和中國醫(yī)學科學院皮膚病研究所孫建方教授共同主編的《皮膚科結締組織病診治》已于2017年5月由北京大學醫(yī)學出版社出版。全書15章，87.6萬字，彩色皮損和組織病理照片1 243張。該書有以下特點：①突出了皮膚科診治結締組織病的鮮明特色，對皮損辨識、組織病理檢查和皮膚科常規(guī)治療都做了詳細敘述；②既有各種疾病的典型皮損和病理照片，又有不同患者、不同病期和不同部位的照片，可起到看圖識病的作用；③對各種結締組織病的臨床表現、診斷、鑒別診斷和治療做了詳細介紹；④書中附有國際公認且最新的結締組織病診斷標準及病情活動度判定標準。該書是皮膚科、風濕科、兒科、內科等與結締組織病相關科室醫(yī)師的重要參考書。

有需求的讀者可到全國各大書店或購書網站購買，編者不辦理郵購。

崔勇，Email：wuhucuiyong@vip.163.com

米爾斯坦亞美醫(yī)學基金會項目“中國人群皮膚病數字圖片資源庫的建立與應用”

10.3760/cma.j.issn.0412?4030.2017.07.016

2017?02?27）

（本文編輯：顏艷）