Κλινικά και δερματοσκοπικά χαρακτηριστικά μελανοκυτταρικών αλλοιώσεων του δέρματος : συσχέτιση με τα ιστοπαθολογικά ευρήματα και ανάλυση εικόνας

Loading...
Thumbnail Image

Date

2023-12-18

Authors

Καλλονιάτη, Ευαγγελία

Journal Title

Journal ISSN

Volume Title

Publisher

Abstract

Εισαγωγή: Η ακριβής κλινική διάκριση των κοινών επίκτητων και των άτυπων μελανοκυτταρικών σπίλων, καθώς και των μελανωμάτων κρίνεται σημαντική. Η δερματοσκόπηση επέτρεψε την οπτικοποίηση δομών μη ορατών από το γυμνό οφθαλμό, δίνοντας μια νέα διάσταση στην κλινική αξιολόγηση των μελανοκυτταρικών βλαβών. Η μηχανική μάθηση, ένα υποπεδίο της τεχνητής νοημοσύνης, βρίσκει εφαρμογή στη δερματολογία, αξιοποιώντας απεικονιστικά δεδομένα για την κατασκευή μοντέλων μέσω διαδικασιών εκπαίδευσης και δοκιμών. Στόχος αυτής της μελέτης είναι να συγκρίνει την ευαισθησία και την ειδικότητα της κλινικής εξέτασης και της δερματοσκόπησης, σε σύγκριση με τα ιστολογικά αποτελέσματα, που αποτελούν το “gold standard” της διάγνωσης αλλά και να εξετάσει την αξιοπιστία (δυναμική) της μηχανικής μάθησης στην κατηγοριοποίηση των μελανοκυτταρικών βλαβών. Υλικά και Μέθοδοι: 118 μελανοκυτταρικές βλάβες, αξιολογήθηκαν κλινικά και εν συνεχεία δερματοσκοπικά, με τη μέθοδο Ανάλυσης Προτύπου, ενώ ακολούθησε λήψη και αποθήκευση των κλινικών και δερματοσκοπικών φωτογραφιών. Ακολούθως, πραγματοποιήθηκε χειρουργική εξαίρεση και ιστολογική εξέταση των βλαβών. Τα ευρήματα από την κλινική και δερματοσκοπική αξιολόγηση των μελανοκυτταρικών βλαβών, συγκρίθηκαν με τα ιστοπαθολογικά αποτελέσματα. Εν συνεχεία, μετά από την επεξεργασία των κλινικών φωτογραφιών, έγινε εξαγωγή συνολικά 127 χαρακτηριστικών και για τις τρεις κατηγορίες μελανοκυτταρικών βλαβών: υψηλού κινδύνου, μεσαίου κινδύνου και χαμηλού κινδύνου, για να εκτιμηθεί η ύπαρξη πιθανών στατιστικών σημαντικών διαφορών μεταξύ των 3 κατηγοριών βλαβών για κάθε χαρακτηριστικό. Ο ταξινομητής λογιστικής παλινδρόμησης, ο ταξινομητής τυχαίων δασών και ο ταξινομητής μηχανών διανυσμάτων υποστήριξης χρησιμοποιήθηκαν για τη αξιολόγηση της διαγνωστικής επίδοσης κάθε χαρακτηριστικού, ενώ η απόδοση κάθε ταξινομητή αξιολογήθηκε μέσω ανάλυσης ROC. Αποτελέσματα: Σύμφωνα με τα ιστοπαθολογικά αποτελέσματα, 63 κοινοί επίκτητοι μελανοκυτταρικοί σπίλοι, 41 δυσπλαστικοί σπίλοι, and 14 μελανώματα αφαιρέθησαν χειρουργικά και περιελήφθηκαν στη μελέτη μας. Η κλινική εξέταση με γυμνό οφθαλμό έδειξε 78.2% ευαισθησία και 71.4 % ειδικότητα, στην αναγνώριση της κλινικής ατυπίας, ενώ τα αντίστοιχα αποτελέσματα για τη δερματοσκόπηση ήταν 89.1 % και 93.7%. Η μη παραμετρική ανάλυση Kruskal-Wallis, ανέδειξε 95 στατιστικά σημαντικά χαρακτηριστικά (p-value<0.05). Από αυτά τα 95 στατιστικά σημαντικά χαρακτηριστικά, η εκ των υστέρων ανάλυση έδειξε ότι σε 66 περιπτώσεις η διαφοροποίηση είναι στατιστικά σημαντική (p-value<0.05) για το ζεύγος κλάσεων (LR-MR), σε 56 περιπτώσεις για το ζεύγος κλάσεων (ΗR-MR), ενώ τέλος σε 50 περιπτώσεις η διαφοροποίηση είναι στατιστικά σημαντική (p-value<0.05) για το ζεύγος κλάσεων (LR-ΗR). Ο ταξινομητής λογιστικής παλινδρόμησης εμφανίζει τις καλύτερες επιδόσεις σε όλα τα πιθανά ζεύγη κλάσεων, ενώ ο ταξινομητής των μηχανών διανυσμάτων υποστήριξης εμφανίζει τις χειρότερες επιδόσεις σε σχέση με τους άλλους δύο. Συμπεράσματα: Τα αποτελέσματα της παρούσας μελέτης δείχνουν μια υψηλότερη ευαισθησία και ειδικότητα της δερματοσκόπησης, σε σύγκριση με την εξέταση με γυμνό οφθαλμό, ενώ η μηχανική μάθηση θα μπορούσε να χρησιμοποιηθεί ως πρόσθετο εργαλείο κατά την αξιολόγηση των μελανοκυτταρικών βλαβών.

Description

Keywords

Μελανοκυτταρικές αλλοιώσεις, Δερματοσκοπικά χαρακτηριστικά, Ιστοπαθολογικά αποτελέσματα, Ανάλυση εικόνας

Citation