Πρόβλεψη της μετάστασης πρωτοπαθούς μελανώματος μέσω αξιολόγησης κλινικών, δερματοσκοπικών και ιστολογικών παραμέτρων και με τη χρήση νευρωνικού δικτύου τεχνητής νοημοσύνης
Aristotle University of Thessaloniki · 01.01.2026
DOI: 10.26262/heal.auth.ir.373945 ↗Kurz gefasst
Fachartikel in der Zeitschrift Aristotle University of Thessaloniki, erschienen am 01.01.2026. Verfasst von Κωνσταντίνος Π. Λάλλας.
Abstract (Originalsprache)
Θεωρητικό υπόβαθρο: Τα δεδομένα σχετικά με την πρόβλεψη της μετάστασης του μελανώματος με βάση δερματοσκοπικές εικόνες είναι περιορισμένα στην βιβλιογραφία. Σκοπός: Η συσχέτιση δερματοσκοπικών χαρακτηριστικών του πρωτοπαθούς μελανώματος με τον κίνδυνο ανάπτυξης μετάστασης. Επίσης, η δημιουργία ενός μοντέλου πρόβλεψης μετάστασης με βάση την δερματοσκόπηση (μοντέλο 1) και η σύγκριση της απόδοσής του με ένα μοντέλο που βασίζεται στο πάχος διήθησης κατά Breslow και την εξέλκωση (μοντέλο 2) και ένα συνδυαστικό μοντέλο (μοντέλο 3). Μέθοδοι: Διεθνής, πολυκεντρική αναδρομική μελέτη ασθενών με μελάνωμα σταδίου ΙΒ και άνω που είχαν διαθέσιμες δερματοσκοπικές εικόνες του πρωτοπαθούς όγκου και επαρκές χρονικό διάστημα παρακολούθησης για την εμφάνιση μετάστασης. Οι δερματοσκοπικές εικόνες αξιολογήθηκαν από έμπειρους αξιολογητές μέσω διαδικτυακής πλατφόρμας. Τα μοντέλα εκπαιδεύτηκαν με στρωματοποιημένο διαχωρισμό σε ομάδες εκπαιδεύσης και ελέγχου με αναλογία 80/20. Η πρωτεύουσα έκβαση ήταν η εμφάνιση μετάστασης (περιοχικής/εντοπισμένης (locoregional) ή απομακρυσμένης). Δευτερεύουσες εκβάσεις αποτέλεσαν αναλύσεις επιβίωσης για το χρονικό διάστημα χωρίς υποτροπή [RFS] και την επιβίωση χωρίς απομακρυσμένη μετάσταση [DMFS]) σε ασθενείς με μελάνωμα πρώιμου σταδίου (I-II). Αποτελέσματα: 524 ασθενείς συμπεριλήφθηκαν στη μελέτη, 222 (42,4%) ανέπτυξαν μετάσταση κατά τη διάγνωση ή την παρακολούθηση (διάμεσος χρόνος follow-up 50 μήνες). Το μπλε-λευκό πέπλο και η εκτεταμένη δερματοσκοπική εξέλκωση (>50%) συσχετίστηκαν με αυξημένο κίνδυνο μετάστασης. Αντιθέτως, η έντονη μελάγχρωση και οι εκτεταμένες δομές υποστροφής (>50%) εμφάνισαν προστατευτική συσχέτιση. Για την πρόβλεψη μετάστασης, το μοντέλο 1 παρουσίασε διακριτική ικανότητα AUC 0.805, συγκρίσιμη με το μοντέλο 2, ενώ το συνδυαστικό μοντέλο είχε αριθμητικά την υψηλότερη απόδοση. Σε συγκρίσεις κατά ζεύγη, η απόδοση των 3 μοντέλων δεν διέφερε στατιστικά σημαντικά. Σε ασθενείς με όγκους πρώιμου σταδίου (I-II), παρόμοια δερματοσκοπικά χαρακτηριστικά προέβλεπαν τον κίνδυνο μετάστασης και η απόδοση των μοντέλων για την πρόβλεψη RFS και DMFS δεν διέφερε συγκριτικά με τα μοντέλα που αναπτύχθηκαν στο σύνολο του πληθυσμού της μελέτης. Συμπεράσματα: Η δερματοσκόπηση μπορεί να παρέχει προγνωστικές πληροφορίες για το μελάνωμα πριν την εκτομή του πρωτοπαθούς όγκου με ακρίβεια συγκρίσιμη με το τρέχον σύστημα σταδιοποίησης. Απαιτείται επικύρωση των αποτελεσμάτων σε προοπτικές μελέτες με ανεξάρτητους πληθυσμούς ασθενών. ΜΕΛΕΤΗ II Υπόβαθρο: Δεδομένα σχετικά με αλγόριθμους τεχνητής νοημοσύνης με χρήση δερματοσκοπικών εικόνων για την πρόγνωση του μελανώματος απουσιάζουν από την βιβλιογραφία. Σκοπός: Η διερεύνηση της ακρίβειας συνελικτικού νευρωνικού δικτύου (CNN) με βάση τη δερματοσκόπηση για την πρόβλεψη μετάστασης του μελανώματος και η σύγκριση της απόδοσής του με μοντέλο που βασίζεται σε κλινικοπαθολογικούς παράγοντες (μοντέλο 2) καθώς και ένα συνδυαστικό μοντέλο (μοντέλο 3). Μέθοδοι: Διεθνής πολυκεντρική μελέτη ασθενών με μελάνωμα σταδίου ΙΑ και άνω, με διαθέσιμες δερματοσκοπικές εικόνες και επαρκή χρονικό διάστημα παρακολούθησης για την ανάπτυξη ή όχι μετάστασης. Χρησιμοποιήθηκε αρχιτεκτονική ResNet-50 για εξαγωγή χαρακτηριστικών, δημιουργώντας αναπαραστάσεις 512 διαστάσεων ανά εικόνα. Τα χαρακτηριστικά αυτά τροφοδότησαν ταξινομητή SVM (Μοντέλο 1). Συγκρίθηκαν επίσης ένα κλινικοπαθολογικό μοντέλο με βάση το πάχος Breslow και την ιστοπαθολογική εξέλκωση (Μοντέλο 2) και ένα συνδυαστικό μοντέλο (SVM + Breslow + εξέλκωση) (Μοντέλο 3). Αποτελέσματα: 712 ασθενείς συμπεριλήφθηκαν στη μελέτη, 247 ανέπτυξαν μεταστάσεις κατά τη διάγνωση ή την παρακολούθηση (διάμεσος χρόνος follow-up 60 μήνες). Το μοντέλο βασιζόμενο σε βαθιά δερματοσκοπικά χαρακτηριστικά πέτυχε ισχυρή διακριτική ικανότητα (μέση AUC 0,84), συγκρίσιμη με το μοντέλο 2 (μέση AUC 0,86), ενώ το συνδυαστικό μοντέλο παρουσίασε την υψηλότερη συνολική απόδοση (μέση AUC 0,87). Οι διαφορές μεταξύ των μοντέλων δεν ήταν στατιστικά σημαντικές. Σε ομάδες υψηλού κινδύνου κατά AJCC (π.χ. IIB/IIC), το μοντέλο 1 παρουσίασε υψηλή ευαισθησία για τον εντοπισμό όγκων με αυξημένο κίνδυνο μετάστασης, συγκρίσιμη με το σύστημα σταδιοποίησης. Συμπεράσματα: Τα βαθιά δερματοσκοπικά χαρακτηριστικά μπορούν να προβλέψουν τη μετάσταση με ακρίβεια συγκρίσιμη με τους καθιερωμένους κλινικοπαθολογικούς προγνωστικούς παράγοντες. Εξωτερική επικύρωση σε προοπτικές μελέτες κρίνεται απαραίτητη.
Schlagwörter
Zitieren
APA
Λάλλας, Κ. Π. (2026). Πρόβλεψη της μετάστασης πρωτοπαθούς μελανώματος μέσω αξιολόγησης κλινικών, δερματοσκοπικών και ιστολογικών παραμέτρων και με τη χρήση νευρωνικού δικτύου τεχνητής νοημοσύνης. Aristotle University of Thessaloniki. https://doi.org/10.26262/heal.auth.ir.373945
Vancouver
Λάλλας ΚΠ. Πρόβλεψη της μετάστασης πρωτοπαθούς μελανώματος μέσω αξιολόγησης κλινικών, δερματοσκοπικών και ιστολογικών παραμέτρων και με τη χρήση νευρωνικού δικτύου τεχνητής νοημοσύνης. Aristotle University of Thessaloniki. 2026. doi:10.26262/heal.auth.ir.373945
BibTeX
@article{2026,
author = {Λάλλας, Κωνσταντίνος Π.},
title = {Πρόβλεψη της μετάστασης πρωτοπαθούς μελανώματος μέσω αξιολόγησης κλινικών, δερματοσκοπικών και ιστολογικών παραμέτρων και με τη χρήση νευρωνικού δικτύου τεχνητής νοημοσύνης},
journal = {Aristotle University of Thessaloniki},
year = {2026},
doi = {10.26262/heal.auth.ir.373945}
}
EUVIMED