Στατιστικά μοντέλα φασματογραφίας ηλεκτρικής εμπέδησης και φωτονικής σε επαληθευμένα δερματολογικά διαγνωστικά δεδομένα

Abstract

Allergic contact dermatitis (ACD) is one of the most common inflammatory skin disorders, with a considerable prevalence and a substantial impact on patients’ quality of life. Its diagnosis is based on epicutaneous patch testing, which represents the reference standard for the identification of causative allergens. However, interpretation of patch test reactions relies on the International Contact Dermatitis Research Group (ICDRG) scoring system, an established clinical tool which, although widely used, is based on clinical judgment and may present inter-observer variability, particularly in borderline cases. Within the framework of the present doctoral dissertation, the use of non-invasive biophysical and imaging-based methods for the objective evaluation of skin reactions was investigated, with particular emphasis on enhancing patch test assessment through computational approaches. In an initial phase, the application of Electrical Impedance Spectroscopy (EIS) for the discrimination of skin lesions was explored. Although the method demonstrated diagnostic potential, limitations regarding diagnostic accuracy were also identified, mainly due to limited specificity and moderate discriminative performance (AUC ~0.60–0.67). These limitations, together with issues related to measurement reproducibility, led to the methodological evolution of the dissertation toward more robust quantitative imaging approaches. The main study was based on a prospective design and included 194 patients with suspected ACD (4,477 observations). The analysis focused on the utilization of data derived from the Antera 3D multispectral imaging system and the development of machine learning models using structured features associated with erythema, chromatic alterations, and skin morphology. The results demonstrated that these features can effectively discriminate positive from negative reactions, achieving high discriminative performance (AUC = 0.861). Incorporation of the temporal evolution of reactions between 48 and 72 hours further improved model performance (AUC = 0.902), highlighting the critical role of inflammatory dynamics in diagnosis. In addition, class imbalance handling and threshold optimization enabled high sensitivity levels (up to 94.9% under screening conditions), substantially reducing false-negative results. Analysis of the findings demonstrated that the most important predictive factors were primarily associated with erythema-related indices and color parameters, a finding consistent with clinical practice and confirmed by both SHAP analysis and statistical evaluation. Furthermore, a statistically significant association was identified between the allergen 2-hydroxyethyl methacrylate (HEMA) and occupational dermatitis, highlighting the potential of computational approaches to reveal clinically meaningful patterns. Overall, the findings of this dissertation suggest that combining quantitative parameters derived from Antera 3D imaging with machine learning methods may enhance objectivity and diagnostic consistency in the evaluation of patch tests. The proposed approach is not intended to replace clinical judgement, but rather to complement established clinical assessment, particularly in cases where interpretation is challenging or borderline. These findings may represent an important first step towards the development of clinical decision support systems to support clinical practice.

Η αλλεργική δερματίτιδα εξ επαφής (allergic contact dermatitis, ACD) αποτελεί μία από τις συχνότερες φλεγμονώδεις δερματοπάθειες, με σημαντικό επιπολασμό και ουσιαστική επίδραση στην ποιότητα ζωής των ασθενών. Η διάγνωσή της βασίζεται στην επιδερμική δοκιμασία επικόλλησης (epicutaneous patch testing), η οποία αποτελεί τη μέθοδο αναφοράς για την αναγνώριση των υπεύθυνων αλλεργιογόνων. Ωστόσο, η ερμηνεία των αποτελεσμάτων βασίζεται στο σύστημα βαθμολόγησης της International Contact Dermatitis Research Group (ICDRG), ένα καθιερωμένο κλινικό εργαλείο που, αν και ευρέως χρησιμοποιούμενο, στηρίζεται στην κλινική εκτίμηση και ενδέχεται να παρουσιάζει διακυμάνσεις μεταξύ εξεταστών, ιδίως σε οριακές περιπτώσεις. Στο πλαίσιο της παρούσας διδακτορικής διατριβής διερευνήθηκε η αξιοποίηση μη επεμβατικών βιοφυσικών και απεικονιστικών μεθόδων για την αντικειμενική αξιολόγηση δερματικών αντιδράσεων, με έμφαση στην ενίσχυση της αξιολόγησης των patch tests μέσω υπολογιστικών προσεγγίσεων. Σε αρχική φάση εξετάστηκε η εφαρμογή της φασματογραφίας ηλεκτρικής εμπέδησης (Electrical Impedance Spectroscopy, EIS) για τη διάκριση δερματικών βλαβών, η οποία ανέδειξε τη διαγνωστική δυναμική της μεθόδου, αλλά και περιορισμούς ως προς τη διαγνωστική ακρίβεια, ιδίως λόγω περιορισμένης ειδικότητας και μέτριας διακριτικής ικανότητας (AUC ~0.60–0.67). Οι περιορισμοί αυτοί, σε συνδυασμό με ζητήματα επαναληψιμότητας των μετρήσεων, οδήγησαν στη μεθοδολογική εξέλιξη της διατριβής προς πιο αξιόπιστες ποσοτικές απεικονιστικές προσεγγίσεις. Η κύρια μελέτη βασίστηκε σε προοπτικό σχεδιασμό και περιέλαβε 194 ασθενείς με υποψία ACD (4.477 παρατηρήσεις). Η ανάλυση επικεντρώθηκε στην αξιοποίηση δεδομένων από το σύστημα πολυφασματικής απεικόνισης Antera 3D και στην ανάπτυξη μοντέλων μηχανικής μάθησης με χρήση δομημένων χαρακτηριστικών που σχετίζονται με το ερύθημα, τις χρωματικές μεταβολές και τη μορφολογία του δέρματος. Τα αποτελέσματα έδειξαν ότι τα χαρακτηριστικά αυτά μπορούν να διακρίνουν αποτελεσματικά τις θετικές από τις αρνητικές αντιδράσεις, με υψηλή διακριτική ικανότητα (AUC = 0.861). Η ενσωμάτωση της χρονικής μεταβολής των αντιδράσεων μεταξύ 48 και 72 ωρών βελτίωσε περαιτέρω την απόδοση (AUC = 0.902), αναδεικνύοντας τον καθοριστικό ρόλο της δυναμικής της φλεγμονώδους αντίδρασης στη διάγνωση. Η διαχείριση της ανισορροπίας των δεδομένων και η προσαρμογή του κατωφλίου ταξινόμησης επέτρεψαν υψηλά επίπεδα ευαισθησίας (έως 94.9% σε συνθήκες screening), μειώνοντας σημαντικά τα ψευδώς αρνητικά αποτελέσματα. Η ανάλυση των αποτελεσμάτων έδειξε ότι βασικοί προγνωστικοί παράγοντες σχετίζονται κυρίως με δείκτες ερυθήματος και χρωματικές παραμέτρους, εύρημα που βρίσκεται σε συμφωνία με την κλινική πρακτική και επιβεβαιώνεται τόσο από τη μέθοδο SHAP όσο και από τη στατιστική ανάλυση. Επιπλέον, εντοπίστηκε στατιστικά σημαντική συσχέτιση μεταξύ του αλλεργιογόνου 2-hydroxyethyl methacrylate (HEMA) και της επαγγελματικής δερματίτιδας, υποδεικνύοντας τη δυνατότητα εξαγωγής κλινικά σημαντικών προτύπων μέσω υπολογιστικών προσεγγίσεων. Συνολικά, τα ευρήματα της διατριβής δείχνουν ότι ο συνδυασμός ποσοτικών παραμέτρων που προκύπτουν από την απεικόνιση Antera 3D με μεθόδους μηχανικής μάθησης μπορεί να συμβάλει στην ενίσχυση της αντικειμενικότητας και της διαγνωστικής συνέπειας κατά την αξιολόγηση των patch tests. Η προτεινόμενη προσέγγιση δεν αποσκοπεί στην αντικατάσταση της κλινικής κρίσης, αλλά στη συμπληρωματική υποστήριξη της καθιερωμένης κλινικής εκτίμησης, ιδιαίτερα σε περιπτώσεις όπου η αξιολόγηση είναι δύσκολη ή οριακή. Τα ευρήματα αυτά μπορούν να αποτελέσουν ένα πρώτο βήμα για την ανάπτυξη συστημάτων υποστήριξης κλινικής απόφασης στην κλινική πράξη.