德國海德堡大學Winkler等報告，皮膚標記干擾了深度學習卷積神經(jīng)網(wǎng)絡(CNN)對皮膚痣的正確診斷效能，增加了黑色素瘤的檢出率和假陽性率。(JAMA Dermatol. 2019年8月14日在線版 doi: 10.1001/jamadermatol.2019.1735)

為了探討皮膚鏡下龍膽紫標記的皮膚切緣與歐洲市售醫(yī)療器械CNN診斷性能間的相關性，該項橫斷面分析入組了2018年8月1日至2018年11月30日逾120 000幀皮膚鏡下皮膚腫瘤圖像和對應的診斷結果以訓練CNN，在3個圖像集中分析了皮膚鏡下龍膽紫標記的皮膚切緣與CNN表現(xiàn)的關聯(lián)，每個圖像集包括130個黑色素細胞病變(107個良性痣，23個黑色素瘤)。

相同的病變在施用和不施用龍膽紫外科皮膚標記的情況下依次成像，然后由CNN評估其是黑色素瘤的可能性。主要終點為CNN在未標記的、標記的和裁剪的圖像中診斷的敏感性、特異性和曲線下面積(AUC)。

結果顯示，總有130個黑色素細胞病變(107個良性痣和23個黑色素瘤)接受了成像檢測。在未標記的病變圖像中，CNN診斷黑色素瘤的敏感性為95.7%(95%CI 79%~99.2%)，特異性為84.1%(95%CI 76.0%~89.8%)，AUC為0.969。

在被標記的病變圖像中，CNN診斷黑色素瘤的敏感性為100%(95%CI 85.7%~100%)，特異性為45.8%(95%CI 36.7%~55.2%，P<0.001)，AUC為0.922。在裁剪圖像中，CNN診斷黑色素瘤的敏感性為100%(95%CI 85.7%~100%)，特異性為97.2%(95%CI 92.1%~99.0%)，AUC為0.993。

(編譯 見玉榮)