科学家们已经开发出了一种非侵入性的成像技术，无需组织活检便可准确地检测皮肤癌。多光子显微镜通过检测两种皮肤癌的线粒体异常簇来准确识别黑色素瘤和基底细胞癌。相关结论发表在《Science Translational Medicine》。

无创性技术诊断皮肤癌

来自美国国立生物医学成像和生物工程研究所（NIBIB）的Behrouz Shabestari博士表示，这种新技术具有快速早期诊断皮肤癌的潜力。无需进行组织活检，利用该系统，病理学家只需在显微镜上观察患者皮肤，在几分钟内便可确定疾病是否为良性。

研究人员发现，线粒体在正常组织和癌变组织中的行为有很大的不同。线粒体中有一个关键的分子——烟酰胺腺嘌呤二核苷酸（NADH），这个分子也是能源生产中心。他们发现，可用多光子显微镜来检测NADH，从而为皮肤癌线粒体组织提供有用的诊断信息。

研究人员解释道，该系统能够在没有组织切片的情况下获取非常高分辨率的单细胞图像。利用这项技术，他们发现，线粒体在正常细胞中呈网状分布，而在癌变的皮肤细胞中，线粒体表现出了非常不同的模式——通常在细胞核边缘的细胞中心中发现线粒体簇。

这项研究共测试了10例皮肤癌（黑色素瘤或基底细胞瘤）和4例健康者，并对成像技术的检测结果与传统组织活检结果进行比较。结果表明，成像技术能正确诊断出10例皮肤癌患者，对4例无癌患者的诊断准确率也为100%。

研究人员估计，这项技术将在5内之内能够在医生办公室中使用。虽然显微镜中的激光器价格为100000美元限制了一些医疗机构对该技术的使用，但更低成本的激光器已经处在地平线上。这项技术能够使医生迅速诊断皮肤癌，并立即开展治疗，这可能最终降低了后续的相关治疗费用。

人工智能、自动化技术诊断皮肤癌

近年来，关于皮肤癌的诊断技术不断获得突破。1月底，《自然》杂志封面论文报道了人工智能诊断皮肤癌的研究。斯坦福大学的研究人员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皮肤癌症状，并对21位皮肤科医生的诊断结果进行比对，发现深度神经网络的诊断准确率在91%以上，与人类医生不相上下。

再如，近期《实验皮肤病学》杂志也报道了检测黑色素瘤的新数据，研究人员开发了一种自动化技术，将成像与数字分析和机器学习相结合，帮助医生在早期阶段检测黑色素瘤。以往研究显示，病变中的皮肤颜色数量是确定恶性肿瘤的最重要生物标志物。这种方法利用一系列计算机程序来提取并处理皮肤生长中含颜色数据信息的病变图像和其他定量数据，分析总体风险评分，该评分能指示癌症生长的可能性。