文／馬偕紀念醫院皮膚科主治醫師王仁佑
皮膚影像檢查有超音波（Ultrasound）、光學同調斷層掃描OCT （Optical coherence tomography）、反射共軛焦顯微鏡RCM（Reflectance Confocal Microscopy）。
高頻超音波即時找出病灶
超音波檢查目前已經廣泛用在各個醫療領域，並且極適合在治療後的追蹤。近年來高頻（>18 MHz）高解析度的超音波儀器則更能精確檢查淺層皮膚及軟組織的情形。
曾有一名中年女性因手指指甲處持續疼痛數月來求診，皮膚科醫師視診發現指甲處有壓痛，但看不到病灶，X光下所見的手指骨骼也無異常，因此安排以高頻超音波檢查，才發現在指甲甲片下有一處血流豐富的病灶，診斷為指甲下球狀血管瘤，並經由超音波協助定位開刀的位置及大小，協助這名患者順利除去病灶，改善疼痛症狀。
超音波雖然有即時、安全的優點，但超音的波解析度無法看到組織內細胞變化。因此發展更高解析度的影像，可以即時看到細胞層次的變化，加快臨床判斷及決策。其中，有OCT及RCM兩種較受矚目。
OCT與RCM各具高解析度特色
OCT有點像超音波影像的原理，只是把音波換成光線，以進入組織後所產生的散射光組成影像。OCT的解析度可達1～10微米（µm）。由於其超高的解析度，可以直接進行組織及細胞級的觀察，而不用製作組織切片，缺點是只能觀察極淺層的組織，約400微米。因此在淺層且透光佳的組織，目前OCT已經廣泛應用，例如眼科的檢查，近年來皮膚科運用在評估皮膚組織及淺層腫瘤也逐漸增多。
RCM是以逐點聚焦和針孔配合來除去組織中的散射光，具有0.1～1微米超高解析度，可更清楚看到組織及細胞的結構，但缺點是僅有橫切面掃描模式，穿透度也非常淺，只有200微米。
積極發展醫療人工智慧，是皮膚科未來的目標
數位科技正逐步與醫療健康緊密結合，透過人工智慧（AI）讓治療上越來越精準。雖然還未發展完全成熟，但近年來在機器自我學習（Machine learning, ML）的演算法已經大幅進步，特別是影像辨識領域。目前各種神經網絡演算法，已廣泛應用在生活上各種物件辨識，例如車牌、人臉等，而運用至皮膚科醫療上，希望未來能協助分辨出腫瘤與正常皮膚，提高準確率。
為使AI能早日輔佐診斷，目前將多張黑色素腫瘤的影像來訓練模型，初期辨識率當然無法100%，還需佐以sensitivity(靈敏度)、specificity(特異度)等數據讓醫生們判斷這個軟體「辨認能力」的程度，再與臨床資料相測試，或甚至請醫師一同判別，相比真人與軟體的分辨力，能到達何種程度。◎