恶性黑色素瘤的诊断热点

吴娜明，李 军，陶 娟

（1.华中科技大学同济医学院附属协和医院皮肤科，湖北武汉 430022；2.华中科技大学同济医学院附属武汉中心医院皮肤科，湖北武汉 430014）

黑色素瘤是源自皮肤、黏膜黑色素细胞的恶性肿瘤，易侵袭和转移，Ⅳ期患者的5 年生存率仅为4．6%[1]。近年来，全球恶性黑色素瘤（黑色素瘤）发病率迅速增加，从1990 年的2．01/10 万增加到2019年的3．75/10 万。尽管黑色素瘤在我国的发病率和死亡率低于全球平均水平，但近年来其发病率的增长速度（3%/年～5%/年）已远超过其他恶性肿瘤，是我国发病率增长最快的恶性肿瘤[2-4]。因我国人口众多，每年新发黑色素瘤患者多达2～3 万例。不同于欧美国家，我国患者的黑色素瘤好发于肢端皮肤(足底、足趾、手指末端及甲下等部位)和黏膜（鼻腔、口咽以及上、下消化道等），手术方案通常无法避免截指（趾），晚期或多次复发的患者甚至需要截肢。黑色素瘤严重危害着我国患者的健康[5-6]。推进黑色素瘤的规范化诊疗，促进早期诊断与治疗，才能极大地改善黑色素瘤患者的预后。本文将就目前黑色素瘤诊断的视诊辅助工具、组织学诊断、鉴别诊断以及人工智能辅助诊断等热点进行深入探讨，以加强临床医师对黑色素瘤的认识，提高该病早期诊断的准确率。

1 无创性视诊辅助工具

临床诊断黑色素瘤的核心仍为询问病史及全身皮肤检查。问诊和体检是最基础、最简便的诊断方式，是辅助检查不可替代的手段。黑色素瘤通常由痣恶变而来[7]，其早期发现主要是医师通过对病灶的视诊，查看其形态外观，根据ABCDE 法则[8]作出判断，包括评估病灶的不对称性、边界不规则、颜色不均一、直径≥6 mm 和外观变黑、进行性增大，符合这些标准的病灶应被高度怀疑为黑色素瘤。单纯靠肉眼诊断黑色素瘤的准确率可达到70%。如病灶具有“丑小鸭征”（ugly duck,UD），即与周围的痣相比，这些病灶可能更大、更小、更亮或更暗，UD征与ABCDE 法则可互相补充但不能互相取代，通过UD征判断恶性黑色素瘤的灵敏度和特异度分别达到90．9%和88．3%[9]。

视诊在黑色素瘤诊断中的重要性，使得视诊辅助工具得以不断发展，越来越多先进的辅助检查设备将被引入临床，黑色素瘤患者将有更多无创检查可选择。目前已有的视诊辅助工具主要包括皮肤镜和皮肤共聚焦技术（皮肤CT）。

1.1 皮肤镜

皮肤镜检查方便且无创，能有效地在早期辅助诊断黑色素瘤，并可明显提高诊断的准确率。黑色素瘤的颜色与黑色素及肿瘤细胞的分布、血管和胶原成分有关，其在皮肤镜下的常见特征包括多种色素、不典型色素网、不规则的点球、放射流和伪足、蓝白幕、负性色素网以及蚕蛹样晶体结构、不规则灰色小点及瘢痕样退行结构等[10]。而无或低色素性黑色素瘤在皮肤镜下则主要表现为在粉色、红色背景下见多形性血管、蓝白幕、白色条纹、假性管腔等，该特征诊断无或低色素性黑色素瘤的灵敏度和特异度分别为61%和90%[11]。

研究表明，黑色素瘤在皮肤镜下的表现特征与黑色素瘤患者的预后间密切相关。皮肤镜下表现为颜色不均匀、总体为网状模式、有退行特征的黑色素瘤生长速度较慢，患者预后较好[12]；而皮肤镜下表现为典型的网状结构缺失、对称性色素沉着、溃疡、低色素性、不典型血管、粉红色区域特征的黑色素瘤生长速度较快，侵袭性强，患者预后差[13]。同时，皮肤镜下见亮白色条纹、粉红色区域、蓝白幕、皮损溃疡以及核分裂象＞1 个/mm2等特征，则与黑色素瘤远处转移有关，尤其对于厚度小于1 mm的黑色素瘤具有诊断意义[14]。此外，采用连续数字皮肤镜检查可实时捕获不确定的皮损信息，实现无创原位动态监测。这项技术可减少良性病变不必要的切除，且对于缺乏临床或皮肤镜诊断特点的黑色素瘤可实现基线监测[15]。

1.2 皮肤CT

皮肤CT 基于反射式共聚焦成像原理，以原位、在体、实时、动态三维成像技术实现了皮肤计算机断层扫描成像，克服了皮肤镜检查的局限性，其检测深度可至真皮浅层，图像分辨率达到微米级别，有助于诊断可疑皮肤病变中的黑色素瘤或难以诊断的皮肤病变[16]。通过皮肤镜联合皮肤CT 检查对非典型黑色素细胞病变进行监测，发现非典型网状结构、退行性变、非典型条纹、不对称性以及真皮-表皮连接紊乱等特征常提示黑色素瘤，其诊断灵敏度高达100%，特异度为40．6%，可作为黑色素瘤早期诊断的联合辅助手段[17]。

应用视诊辅助工具可以方便、无创且有效地鉴别大部分色素性皮肤损害，减少外科手术和病理检查[17]。值得注意的是，皮肤镜、皮肤CT 等仅是一种筛查工具，对于有争议的色素性皮损还需随访和进一步行病理检查。

2 人工智能辅助诊断

临床上，皮肤科医师主要通过观察患者皮肤病灶来进行诊断，当然还需要采用一些非视觉检查手段进行辅助诊断。随着信息技术的发展，人工智能的发展也突飞猛进，机器学习方法被广泛应用于各个领域。利用人工智能和机器学习的计算应用程序，可进一步展示隐藏在每个组织样本中的信息，辅助临床医师发现病灶，提高黑色素瘤的诊断确诊率[18]。

多项研究表明，计算机辅助诊断（computer aided diagnosis，CAD）系统与皮肤科医师间生对黑色素瘤的诊断一致性高。斯坦福大学一个联合研究团队开发出了一个黑色素瘤诊断准确率能与媲美临床医医师生媲美的人工智能系统。该系统主要通过深度学习的方法，用近13 万张痣、皮疹和其他皮肤病变的图像，训练机器识别其中的黑色素瘤症状，在与21 位皮肤科医师生的诊断结果进行对比后，发现这个深度神经网络的诊断黑色素瘤的准确率与临床医师生相近，约为90%。在该项测试中，人工智能被要求完成3 项诊断任务，即鉴别恶性角质化皮肤癌、鉴别黑色素瘤以及使用皮肤镜图像对黑色素瘤进行分类。在所有3 项任务中，该人工智能的表现与人类皮肤科医师生不相上下，诊断灵敏度达到91%[19-20]。

另一项研究中，研究人员开发出一种基于卷积深度神经网络的新型皮肤病变计算机辅助诊断CAD系统，在从患者皮肤图像中识别可疑色素病变的任务中，该算法在与皮肤科医师生间的诊断一致性达88%，识别黑色素瘤的准确率相似[21]。此外，超过50%的黑色素瘤诊断为原位或者厚度小于1 mm 的黑色素瘤，表明该算法可以在检测早期黑色素瘤中发挥作用[21-22]。

研究发现，以人工智能为基础诊断黑色素瘤比单纯的人工智能或医师诊断准确率更高，而且经验较少的临床医师从人工智能辅助诊断中获益更多。基于人工智能的支持，皮肤科医师将15．5%的良性病变治疗策略从“切除”切换到“监测”，而恶性病变的数量却没有增加，减少了不必要的干预和治疗成本，同时将黑色素瘤诊断准确率从55．6%提高至75．0%[23]。可见，人工智能可能为参与黑色素瘤筛查的医师提供帮助，协助决定是否对病变进行活检，并轻松、快速地对存储的图像进行评估，以获得黑色素瘤的发生概率[23]。

人工智能辅助诊断具有较好的分类识别性能，不仅提高了早期黑色素瘤临床诊断的准确率、灵敏度和特异度，还为临床上早期发现黑色素瘤患者提供了客观依据[21]。因此，不断完善基于图像诊断的人工智能的研究框架，将进一步推动人机协作的深层次应用及未来远程诊疗系统的开发利用，以提高临床实践中的人机协作。

3 组织学诊断

黑色素瘤诊断金标准仍为组织切片苏木精-伊红（hematoxylin-eosin, HE）染色的组织病理学评估结合患者皮损及其临床背景，目前主要有切除活检、局部穿刺活检、削切或针吸活检等。无论黑色素瘤体表病灶或者转移灶活检或手术切除的组织标本，均需经病理组织学诊断。病理活检病灶的切取要求能明确诊断及分期的同时，不能影响后期治疗和预后。对于局部原发灶应尽量获得阴性切缘，而对于已经发生破溃、转移或巨大肿瘤，以及颜面部等影响美观的暴露部位，则选择穿刺、针吸活检。此外，前哨淋巴结活检可提高患者生存率，对活检结果为阳性者或临床确诊为Ⅲ期的患者须行区域淋巴结清扫，有效的区域淋巴结清扫可以控制局部病灶的进一步转移[24]。免疫组化标记结合常规HE染色有助于提高诊断率。黑色素瘤特异性免疫组化标志物包括SOX-10、S-100、HMB45、Melanie-A、PNL2、酪氨酸酶、MITF 以及波形蛋白[25]。然而，目前尚缺乏适用于所有黑色素瘤的客观的、高重复性的免疫组化组合标准。

3.1 基因诊断

随着二代测序技术的不断进步，黑色素瘤基因组学的研究逐渐深入。大约50%的黑色素瘤包含BRAFV600E 突变（缬氨酸突变至谷丙氨酸），该突变组成激活有丝分裂原激活蛋白激酶途径，驱动细胞增殖和疾病进展[26]。BRAF 和MEK 抑制剂联合治疗是目前治疗BRAFV600E 突变局部晚期或转移性黑色素瘤的标准治疗方法。此外，NRAS 突变率占20%，NF1突变率在14%，而KIT突变率在3%～5%[27-28]。

事实上，目前基因分析已投入临床应用。多项研究数据表明，BRAF突变患者比野生型患者溃疡发生率高、预后差，是黑色素瘤的独立预后因素。临床试验已经表明，对于携带BRAFV600E 突变的患者，联合使用BRAF和MEK抑制剂优于单独使用任何一种药物。虽然药物联合治疗比单纯化疗取得了更好的效果，但也存在一些问题，如约50%的患者会出现继发耐药，这可能与MAPK 通路的再激活或旁路信号通路（如PI3K/AKT/mTOR）的激活有关[29]。在长期和间歇受到日晒、手足表面和黏膜表面的皮肤黑色素瘤中，约15%的患者存在NRAS突变。与其他常见的黑色素瘤亚型相比，NRAS突变与局部及晚期黑色素瘤患者的生存期差相关[30]。KIT突变存在于10%～15%的黏膜和肢端黑色素瘤中。KIT突变可能会在整个基因的多个“热点”中发生，并且它们对KIT 抑制剂（如伊马替尼、舒尼替尼、尼洛替尼）的敏感性不同[28]。

随着基因检测技术的成熟和普及，对黑色素瘤基因分子水平上的认识与应用得到不断发展和完善。靶向黑色素瘤驱动基因、分子分型等有望辅助诊治黑色素瘤。因此，选择合适的获益人群，发展有效的联合治疗策略，对黑色素瘤的精准治疗具有重要意义。

3.2 免疫组化及病理诊断

黑色素瘤因涉及部位广泛，患者的临床表现复杂、缺乏特异性，且病理组织学和细胞学形态表现多样化，尤其是无色素型，所以临床上发生误诊和漏诊的概率较高。由于很难与外表相似的皮肤良性病变进行区分，早期黑色素瘤的诊断和鉴别诊断也是黑色素瘤诊断中的难点之一。临床上，容易误诊为黑色素瘤的色素痣包括Spitz 痣、复发痣、晕痣、新生儿及婴儿的先天痣等；容易误诊为色素痣的黑色素瘤包括促纤维结缔组织增生性恶性黑色素瘤（desmoplastic melanoma，DM）、恶性雀斑样痣黑色素瘤（lentigo maligna melanoma, LMM）、无/低色素性黑色素瘤等。

3.2.1 Spitz痣

Spitz 痣是一种良性黑素细胞肿瘤，Spitz 样黑色素瘤为具有Spitz 痣样组织学特征的黑色素瘤，细胞异型性较明显[31]。通过组织病理学可对二者进行鉴别。光学显微镜下，Spitz 痣成熟现象明显，痣细胞巢与表皮间常有裂隙形成，细胞缺乏异型性和核分裂象，可有对称的表皮增生、局部痣细胞Paget 样播散及Kamino 小体。Spitz 样黑色素瘤在镜下可见细胞缺乏巢状结构和成熟现象，可呈广泛的Paget 样分布，细胞具有高度异型性，核分裂象多见，核仁大而明显，可见溃疡及肿瘤性坏死，可伴带状炎症细胞浸润[31-32]。若无法明确诊断时，可进一步行免疫组化检测，p15 和p16在Spitz 痣中多呈高表达，在黑色素瘤中一般表达减少或缺失。此外，也可以通过荧光原位杂交检测、基因组杂交以及前哨淋巴结活检等方法积极寻找线索。

3.2.2 DM

DM 是一种罕见的梭形细胞黑色素瘤，在真皮和皮下组织中有梭状黑色素细胞增殖，并伴有不同类型的结缔组织增生。约30%的DM 可发生神经偏向性和神经分化。由于DM 与其他恶性病变（如纤维肉瘤）、良性病变（纤维瘤病、真皮纤维瘤、色素痣）间有一定相似性，加之部分病变中无色素、无其他典型黑色素瘤表现，因此常被误诊或漏诊[33]。因此，对于高度怀疑DM 的病变，应进一步行免疫组化及病理活检[34]。

3.2.3 LMM

LMM 是由恶性雀斑样痣发展而来。恶性雀斑痣通常以无症状、扁平、棕褐色或棕色、不规则形状的斑或斑块的形式，出现在面部或其他长期阳光照射的区域，其表面不规则地散布着深棕色或黑色斑点。恶性雀斑样痣中正常及恶性的黑素细胞均局限在表皮。当恶性黑素细胞侵犯真皮时，称为LMM，可发生转移。因此，早期确诊、治疗恶性雀斑样痣至关重要，避免进一步发展为LMM。LMM最常见有c-kit基因突变[35]，可作为辅助诊断信息。

3.2.4 无/低色素性恶性黑色素瘤

临床上在判断疑似、无/低色素性黑色素瘤患者时，应提高漏诊的警觉性，同时应与恶性淋巴瘤、低分化肉瘤及未分化癌等进行认真区分。由于大多数黑色素瘤肿瘤细胞不再产生黑色素，或者产生的黑色素很少，以至于不易被识别。无/低色素性黑色素瘤的形态变化多样，病灶可呈粉红色、微红色、紫色、正常肤色或基本透明无色，外观上呈疤痕状，皮肤镜检查有助于辅助诊断[10]。位于肢端部位的病变可能进一步发展为周围细微的色素斑，此为侵袭性黑色素瘤的原位前体。由于这些色素斑变化缓慢，因此患者通常会产生一种错误的安全感。病理组织切片在HE 染色检查中易被漏诊或误诊，需进一步借助免疫组化检测确诊。HMB45、酪氨酸酶是诊断黑色素瘤的特异性抗体，SOX-10、S-100、波形蛋白、Melan-A、PNL2 以及MITF 阳性等对其诊断和鉴别诊断有重要价值[36]。

可见，临床医师对可疑皮损的组织病理学检查必不可少，并应严格遵从ABCDE 法则进行视诊。与此同时，在诊断黑色素瘤及评估患者预后时，应以组织病理学特点、免疫组化分析为基础，密切结合患者的发病年龄、发病部位及皮损形态等临床信息，循序渐进，形成优化的诊疗体系，最终提高临床诊断准确率。

5 小结

黑色素瘤侵袭性强，早期便可出现转移，许多患者确诊时即为晚期，手术治疗效果并不理想，而早期规范诊断可极大改善患者的预后，提高其生存率。由于黑色素瘤的诊断涉及到多种方法和多个学科，如实验室检查、影像学检查、病理活检、人工智能等，因此黑色素瘤诊疗应重视多学科诊疗团队模式，为患者提供一站式医疗服务，促进学科交流，推进建立在多学科共识基础上的诊疗原则和指南。近年来，我国黑色素瘤的诊治已经取得了较大发展，但要达到规范化的诊疗、有效提高患者预后仍任重道远。

利益冲突说明/Conflict of Interests

所有作者声明不存在利益冲突。

伦理批准及知情同意/Ethics Approval and Patient Consent

本文不涉及伦理批准及知情同意。

作者贡献/Authors’Contributions

吴娜明撰写，陶娟教授、李军教授负责指导。