引言
特应性皮炎（Atopic Dermatitis，AD）是一种慢性炎症性皮肤病，主要表现为湿疹样皮损、剧烈瘙痒以及反复发作的病程。AD累及面部时，由于外观影响及心理负担，常给患者带来尤为显著的困扰，疾病负担较重。度普利尤单抗（dupilumab）是一种靶向IL-4和IL-13通路的单克隆抗体，已证实对中重度AD（包括面部皮损）具有疗效。然而，其治疗反应存在明显异质性，且目前缺乏可靠的早期疗效预测指标，从而限制了个体化管理。
研究背景
临床上亟需准确且无创的方法来预测度普利尤单抗的疗效，以优化治疗策略、避免不必要的用药暴露，并更好地管理患者预期。反射式共聚焦显微镜（reflectance confocal microscopy，RCM）可在不损伤组织的情况下，以接近组织学分辨率的水平在体观察皮肤形态，为识别治疗过程中微结构变化提供了独特视角。将深度学习技术用于分析复杂影像数据，有望进一步提高预测准确性。
研究设计与方法
本前瞻性队列研究纳入2023年5月至2025年6月间接受度普利尤单抗治疗的52例面部AD患者。根据第16周时是否达到湿疹面积和严重度指数改善≥75%（Eczema Area and Severity Index，EASI-75），将患者分为应答者和无应答者。研究分别于治疗基线和治疗后第4周对面部皮损进行RCM成像，以捕捉早期形态学特征。
基于ResNet101架构的深度学习模型使用第4周RCM图像进行训练，以区分应答者与无应答者。模型性能通过受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC）评估。同时，还对关键RCM特征进行单独分析，以评估其与治疗反应的相关性。
主要结果
研究发现，第4周RCM所见真皮乳头扩张和乳头毛细血管迂曲性扩张，是预测治疗反应不佳的重要指标，其AUC分别为0.83（P<0.001）和0.81（P<0.001）。上述结果提示，治疗启动后早期仍持续存在的微血管改变，可能预示对度普利尤单抗反应欠佳。
仅使用治疗后第4周RCM图像训练的ResNet101深度学习模型，取得了较稳健的预测性能，测试集AUC为0.796。模型热图可视化结果提示，微血管及真皮结构模式是驱动分类判断的关键特征。
因此，将RCM影像与先进机器学习方法结合，可为面部AD皮损中可能从度普利尤单抗治疗获益有限的患者提供一种有效、无创的早期识别工具。
局限性
本研究样本量相对较小（52例），限制了结果的推广性。仍需更大样本、且多中心研究进一步验证并优化该预测模型。此外，本研究聚焦于面部皮损，对其他部位皮损的适用性仍有待进一步探讨。4周这一较短的早期预测时间窗是一项优势，但其与长期结局之间的对应关系仍需确认。
专家点评
本研究创新性地将反射式共聚焦显微镜与深度学习相结合，回应了AD管理中的一项关键未满足需求——生物制剂治疗反应的早期预测。采用与微血管重塑相关的无创影像学标志物，具有一定机制合理性，因为度普利尤单抗对2型炎症的调控可能影响真皮血管改变。尽管前景可观，但该方法需要较为先进的影像设备和计算分析能力，可能限制其短期内的临床普及。
第4周即可区分应答者与无应答者，具有重要临床价值，有助于更早调整治疗方案并优化医疗资源配置。未来若与血清生物标志物及临床表型进一步整合，预测准确性有望继续提升。
结论
治疗早期RCM特征，尤其是真皮乳头及乳头毛细血管迂曲性扩张，结合基于ResNet101的深度学习分析，为预测面部特应性皮炎患者对度普利尤单抗的应答提供了一种有前景的无创方法。该方法可通过尽早识别可能需要替代治疗的患者，支持个体化治疗路径。仍需更大规模的验证研究来证实这些令人鼓舞的结果，并推动其在常规皮肤科临床实践中的应用。
资金支持与临床试验注册
本研究获得参与皮肤科科室所属机构资助支持。未注明临床试验注册号。
参考文献
1. Simpson EL et al. Two phase 3 trials of dupilumab versus placebo in atopic dermatitis. N Engl J Med. 2016;375(24):2335-2348.
2. Wollenberg A et al. Early improvement and predictors of response to dupilumab in patients with atopic dermatitis. J Eur Acad Dermatol Venereol. 2021;35(4):e219-e221.
3. Rajadhyaksha M et al. In vivo confocal scanning laser microscopy of human skin I: Morphologic features of normal skin. J Invest Dermatol. 1995;104(6):946-952.
4. He K et al. Deep Residual Learning for Image Recognition. 2016 IEEE CVPR.
5. Beck LA et al. Dupilumab treatment in adults with moderate-to-severe atopic dermatitis. N Engl J Med. 2014;371(2):130-139.