Nature Biomedical Engineering | 光声检测皮肤血管病与糖尿病阶段的相关关系

星标“医工学人”，第一时间获取医工交叉领域新闻动态~

Nature biomedical engineering | Research Article

Image: INMYWORK Studio, Abu Dabi, UAE. Cover design: Alex Wing.

《Nature Biomedical Engineering》Volume 7 Issue 12, December 2023 封面期刊，通过机器学习从皮肤光栅扫描光声介观图像中提取的可解释形态生理学特征用于将皮肤微血管病变表型与糖尿病阶段相关联

皮肤微血管病与糖尿病有关。本研究表明，人类皮肤微血管病变表型可以通过从腿部皮肤光栅扫描光声介观镜（RSOM）图像中提取的形态生理学皮肤特征与糖尿病阶段相关。从 115 名参与者（40 名健康参与者和 75 名糖尿病患者）获得 199 张 RSOM 图像，并使用机器学习来分割皮肤层和微血管系统，以识别与不同深度和细节尺度相关的临床可解释特征，从而提供最高的预测能力。真皮层中 0.1-1 mm 细节尺度的特征（例如交界处分支的数量）对糖尿病阶段高度敏感。汇总 32 个最相关特征的“微血管病变评分”预测糖尿病存在。

糖尿病影响组织微血管系统并引起微血管病，皮肤微血管病发生在糖尿病病程的早期，并且可能先于其他器官的微血管并发症以及大血管并发症和明显高血糖（≥200 mg/dl 血糖水平）。

然而，由于所需皮肤活检的侵入性，临床研究和临床护理中通常不研究微血管变化，并且关于糖尿病并发症如何在皮肤微血管变化方面表现的信息也很少。尽管如此，这项研究以有助于了解疾病进展并为疾病分期提供定量指标。

在可以非侵入性地可视化体内微脉管系统的方法中，光声介观已成为一种提供细节信息的成像方式，能够通过整个表皮和真皮层提供高分辨率、高对比度的三维可视化血管结构，同时根据所使用的波长可以达到几毫米深度。光栅扫描光声介观镜（RSOM）评估了真皮微血管中与糖尿病相关的变化，而超宽带 RSOM 已被应用于评估整个真皮层的微血管和炎症标志物，分辨率在 7-30 μm 范围内（图 1），提供了其他任何非侵入性方法无法获得的信息。

图1：研究工作流程

这项工作将临床可解释的人工智能 (clinically explainable AI，cxAI) 方法（图 1）应用于未受干扰皮肤的 3D RSOM 图像，分辨率达到单毛细血管尺寸，以将皮肤特征与糖尿病并发症联系起来，从而促进临床可解释性。研究获得 115 名参与者（40 名健康患者和 75 名诊断为糖尿病患者）RSOM 图像，并通过 U-NET 通过机器学习自动分割皮肤层和微血管系统。

研究计算了每个特征在预测/分类过程中的相对重要性，根据其分类能力对所有特征进行排序（图 2b）。对于糖尿病分类，即健康与糖尿病患者的分离，发现三个最重要特征：（1）表皮/SVP 层中血管数量；（2）表皮/SVP 层中连接数；（3）真皮层中的连接点到连接分支的数量。

图2：血管特征、分类和亚组分析对微血管病评分

研究发现真皮内交界处血管分支的减少是糖尿病阶段最突出的皮肤变化之一。这一发现与先前通过对糖尿病患者皮肤活检进行组织学分析获得的知识一致，显示真皮层毛细血管数量减少和慢性毛细血管缺血。

参考文献：

https://www.nature.com/articles/s41551-023-01151-w

▼扫码阅读英文原文

Karlas, A., Katsouli, N., Fasoula, NA. et al. Dermal features derived from optoacoustic tomograms via machine learning correlate microangiopathy phenotypes with diabetes stage. Nat. Biomed. Eng 7, 1667–1682 (2023). https://doi.org/10.1038/s41551-023-01151-w

*中文解读仅供参考，一切内容以英文原文为准。如涉及版权问题，请联系我们删除。

END

来源 | 超声前沿

关注“医学成像技术”，可进入医工学人交流群