近日，空军特色医学中心蔡宏主任在《科学通报》上发表基于生成对抗网络的痤疮物理治疗效果预测的研究论文，针对多发于青少年的痤疮进行了临床物理治疗的新技术展望。

痤疮的临床表现包括丘疹、脓疱、结节等多种皮损类型，常伴随炎症后红斑和色素沉着。严重影响患者的外观、生活质量与心理健康。目前临床上的物理治疗手段包括强脉冲光（intense pulsed light,IPL）、点阵激光、果酸焕肤等方法。然而，由于患者个体差异、皮损多样性以及治疗参数选择复杂性，治疗效果往往难以预测。临床上对于痤疮物理治疗的选择主要依赖皮肤科医生的临床经验，低年资的医生往往不具备相应的能力与知识。这种不确定性常常导致治疗周期延长、医疗成本增加，并影响患者治疗依从性。因此，本研究目的是基于生成对抗网络，构建一个能够准确生成经过不同方式治疗后的痤疮皮损图像的模型，帮助皮肤科医生为患者制定个体化治疗方案，优化治疗选择，避免无效或过度治疗。

图1 痤疮预测模型的构建

1.模型构建。（1）数据收集：收集空军特色医学中心皮肤科激光中心门诊诊断包含“痤疮”的病历数据，共计826人。通过纳入、排除标准筛选得到756例患者；（2）图像采集与预处理：流程如图1所示，所有图像由3名工作人员在标准化条件下进行拍摄。对患者治疗前后同一病灶图像进行裁剪。最终纳入分析的1709对图像，包括IPL组798对，化学换肤组391对，联合治疗组520对。每个治疗组内的数据按照8：2的比例随机划分为训练集和验证集。并使用随机裁剪、随机水平、随机旋转、随机翻转等方式进行数据增强，并加入自定义的高斯噪声，使得模型在面对噪声干扰时也能提取到稳定的特征；（3）采用基于循环一致性生成对抗网络（Cycle-Consistent Generative Adversarial Network，CycleGAN）架构对痤疮物理治疗前后皮肤状态进行建模与转换。在CycleGAN的训练过程中，生成器和判别器交替更新，通过对抗损失驱动生成器生成真实感图像，同时利用循环一致性损失确保图像转换过程中的结构信息得以保留。此外，身份映射损失在一定程度上约束了生成器在转换过程中不引入过多不必要的变化。模型的训练以及后续的实验均在两块NVIDIA RTX 4090 GPU中实现。

2.生成图像评估。（1）客观评估：使用验证集中350张真实治疗后的图像和350张CycleGAN生成的图像进行对比评估。结果证明，两组图像在RGB通道的像素强度，亮度和颜色饱和度，结构相似性指数均高度接近；（2）皮肤科医生主观评估：从验证集随机抽取50对图像分为Ⅰ、Ⅱ两组，其中Ⅰ组25对均为生成图像（真实治疗前图像 + CycleGAN生成治疗后图像），Ⅱ组25对包含12对生成图像（真实治疗前图像 + CycleGAN生成治疗后图像）和13对真实图像（真实治疗前图像 + 真实治疗后图像），所有图像经过匿名编号和随机排序后，由 3 名资深皮肤科医师独立判断每对图像中的“治疗后”图像是真实图像还是生成图像。评估前未告知医师各组图像中真实图像与生成图像的比例构成。结果显示，CycleGAN 生成的图像能够以较高的保真度模拟真实治疗后的图像，使得临床经验丰富的皮肤科医生难以准确区分。

3. 临床应用。临床应用流程为：首先对就诊的痤疮患者进行标准化皮损图像采集，随后将获取的临床图像输入经过优化的CycleGAN模型，并分别生成3种治疗方式（IPL、化学换肤以及联合治疗）治疗后的模拟预测图像。皮肤科医师根据治疗模拟图像的分析结果，为患者制定个性化的治疗策略。为了验证临床医师能否通过三种治疗方案的模拟预测图像达成一致的决策判断。将50张治疗前图像输入CycleGAN模型，成功生成了IPL治疗、化学换肤治疗及联合治疗后的预测图像。随后由5名资深皮肤科医生根据生成图像进行治疗方案选择。结果显示，5名医生根据生成的图像，做出了高度相似的治疗选择。证明本模型可以帮助皮肤科医生做出较为一致的治疗选择。

图2 临床应用流程

4.临床意义以及局限性。痤疮是全球高发的慢性炎症性皮肤病，其治疗应基于循证医学制定个体化方案。在采用传统药物的同时，应警惕其潜在副作用。而化学换肤、激光等新兴技术为痤疮治疗提供了更安全、有效的选择。本研究验证了人工智能生成图像在辅助临床决策中的可靠性，明确了该方法可以帮助医生为患者制定个体化治疗方案。然而仍有以下局限性：（1）用于训练模型的数据在光照条件和拍摄角度方面存在偏差，导致数据质量不足，模型训练效率尚待提高；（2）裁剪痤疮病灶时无法做到像素级对齐，对结果的精度产生一定影响；（3）测试样本数量有限，无法全面验证痤疮治疗可视化辅助决策系统的可靠性。我们期望未来的研究应从提升数据数量和质量方面入手，同时加入多模态数据以提升模型性能。此外，可考虑将大语言模型与 GAN 模型适当整合，使人工智能能够执行更加复杂、精确的任务。

文章信息

段炼，董子瑜，杨琳，等. 基于生成式对抗网络预测痤疮物理治疗效果的研究. 科学通报, 2025.

https://doi.org/10.1360/CSB-2025-5076

转载、投稿请留言

| 关注科学通报 | 了解科学前沿