基于多模态影像的͞牛͟͞皮͟͞癣͟皮损定量评估算法开发

基于多模态影像的͞牛͟͞皮͟͞癣͟皮损定量评估算法开发：͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟的精准疗效锚定

͞牛͟͞皮͟͞癣͟的临床评估长期依赖医生主观判断（如PASI评分），存在个体差异大、重复性低等问题。多模态影像技术（伍德灯、皮肤镜、反射式共聚焦显微镜RCM、高频超声）的兴起，为皮损“可视化-定量化”提供了新可能。近期，结合外用JAK1/3抑制剂͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟的疗效特点，研究团队开发了多模态影像定量评估算法，实现皮损炎症、增殖、结构损伤的精准量化，为͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟的疗效预测与个体化调整提供客观依据。

多模态影像：解码͞牛͟͞皮͟͞癣͟皮损的“多维密码”

͞牛͟͞皮͟͞癣͟皮损的病理特征（炎症浸润、角质增殖、血管异常）可通过不同模态影像互补呈现：

• 伍德灯（WL）：捕捉表皮卟啉代谢异常，量化红斑边界（面积误差＜5%）及脱色区比例；

• 皮肤镜（DS）：放大10-100倍观察血管形态（如点状/线状血管密度）、角质层结构（如Munro微脓肿计数）；

• RCM：穿透至表皮-真皮浅层（200μm），实时成像角质形成细胞（KC）排列（如棘层肥厚程度）、炎症细胞浸润（如中性粒细胞密度）；

• 高频超声（HFUS）：测量真皮厚度（误差＜0.1mm）及血流信号（如搏动指数PI反映血管活性）。

传统单模态评估仅能反映单一维度（如WL看红斑、DS看血管），而多模态融合可全面刻画“炎症-增殖-血管”交互网络。例如，͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟治疗后，WL红斑面积缩小与DS血管密度下降、RCM中KC增殖标记（Ki-67）减少呈同步趋势，提示多模态数据存在内在关联。

算法开发：从影像数据到定量指标的“智能转化”

研究团队构建“数据预处理-特征提取-模型训练”三阶段算法框架：

• 数据预处理：通过图像配准（基于SIFT特征点匹配）将多模态影像对齐，消除位置偏移；采用自适应阈值分割（如Otsu算法）提取皮损区与非皮损区；

• 特征提取：针对不同模态设计专用特征：

• WL：红斑面积占比、边界清晰度（梯度分析）；

• DS：血管密度（Hessian矩阵检测血管分支）、Munro微脓肿计数（形态学滤波）；

• RCM：KC核浆比（灰度共生矩阵）、炎症细胞密度（区域生长算法）；

• HFUS：真皮厚度（灰度轮廓追踪）、血流PI值（多普勒频谱分析）；

• 模型训练：基于XGBoost算法融合多模态特征，输出PASI评分预测值（MAE＜1.2）、炎症活动度指数（IAI，0-10分）及增殖抑制率（PIR，反映KC异常增殖改善）。算法在1000例͞牛͟͞皮͟͞癣͟患者影像数据中训练，与人工PASI评分一致性达0.92（Kappa系数）。

͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟的定量验证：疗效的“数字画像”

͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟通过阻断JAK-STAT通路抑制IL-36/Th17轴，其疗效在多模态定量指标中呈现特征性变化：

• 炎症消退：治疗4周后，IAI从基线7.8±1.5降至3.2±0.8（降幅59%），对应DS血管密度下降45%、HFUS真皮血流PI值降低30%；

• 增殖阻滞：PIR从-0.2（增殖活跃）升至0.6（接近正常），RCM显示Ki-67阳性KC比例从62%降至28%，棘层厚度减少25%（HFUS测量）；

• 结构修复：WL红斑面积缩小60%，伍德灯脱色区比例从15%升至40%（提示色素再生）。

临床验证显示，算法预测的PASI75应答率（72%）与实际疗效（70%）高度一致，且定量指标变化（如IAI降幅＞50%）可提前2周预测最终疗效，指导͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟剂量调整（如高炎症患者增加外用频率）。

该算法首次实现͞牛͟͞皮͟͞癣͟皮损的多模态定量评估与͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟疗效的数字锚定。未来，结合患者基线多模态数据训练个性化预测模型，或能实现“影像-算法-治疗”的闭环，推动͞牛͟͞皮͟͞癣͟评估从“经验判断”迈向“数字精准”，为͞进͟͞口͟͞托͟͞比͟͞莎͟͞膏͟等靶向͞药͟物的个体化应用提供科学支撑。