Blog

Aug 20, 2023

Linie

Scientific Reports Band 13, Artikelnummer: 13881 (2023) Diesen Artikel zitieren 82 Zugriffe Metrikdetails Quantitative Biomarker der Gesichtshautalterung wurden an einhundert gesunden Kaukasiern untersucht

Scientific Reports Band 13, Artikelnummer: 13881 (2023) Diesen Artikel zitieren

82 Zugriffe

Details zu den Metriken

Quantitative Biomarker der Gesichtshautalterung wurden an einhundert gesunden kaukasischen Freiwilligen im Alter von 20 bis 70 Jahren mithilfe von In-vivo-3D-Linienfeld-konfokaler optischer Kohärenztomographie (LC-OCT) in Verbindung mit auf künstlicher Intelligenz (KI) basierenden Quantifizierungsalgorithmen untersucht . Für die Schläfe, den Wangenknochen und den Unterkiefer wurden Schichtmaße gemessen, z. B. die Dicke des Stratum corneum (SC), die Dicke der lebensfähigen Epidermis und die Welligkeit der Haut-Epidermal-Verbindung (DEJ), sowie zelluläre Maße. Für alle drei untersuchten Gesichtsbereiche wurden minimale altersbedingte Schwankungen in der Dicke der SC- und lebensfähigen Epidermisschichten beobachtet. Eine flachere und homogenere Epidermis (Abnahme der Standardabweichung der Anzahl der Schichten bedeutet), ein weniger dichtes Zellnetzwerk mit weniger Zellen pro Schicht (Abnahme der Zelloberflächendichte) und größere und heterogenere Zellkerne innerhalb jeder Schicht (Zunahme von Kernvolumen und ihre Standardabweichung) wurden mit signifikanten Variationen mit dem Alter gefunden. Die höheren Atypiewerte spiegelten außerdem die Heterogenität der Zellkerne in der gesamten lebensfähigen Epidermis wider. Die 3D-Visualisierung feiner Strukturen in der Haut mit mikrometrischer Auflösung und dem mit der LC-OCT-Bildgebung erzielten Sichtfeld von 1200 µm × 500 µm ermöglichte die Berechnung relevanter quantitativer Biomarker für ein besseres Verständnis der Hautbiologie und des Alterungsprozesses in vivo.

Sichtbare Zeichen des Alterns wie schlaffe Haut, Falten, Sonnenflecken und eine ungleichmäßige Hautfarbe definieren das von anderen wahrgenommene Alter einer Person und auch ihr eigenes Körperbild1. Obwohl Atlanten zur Einstufung des Schweregrads makroskopischer klinischer Symptome2 verwendet werden können, ist die Hautalterung auf die Anhäufung von Schäden auf zellulärer und molekularer Ebene im Laufe der Zeit zurückzuführen, die durch intrinsische (Genetik, Zellstoffwechsel, hormonelle und metabolische Prozesse) und extrinsische (chronische) Schäden verstärkt werden Lichteinwirkung, Umweltverschmutzung, Chemikalien, …) Faktoren, die die Korrelation zwischen den physiologischen Mechanismen und den sichtbaren Wirkungen erschweren.

Während Torsions- oder Sauggeräte verwendet werden, um altersbedingte Veränderungen der mechanischen Eigenschaften in vivo zu untersuchen3, ist die nicht-invasive Überwachung und Quantifizierung von Veränderungen, die unterhalb der Hautoberfläche in den darunter liegenden Mikrostrukturen der Epidermis und Dermis auftreten, eine Herausforderung. Die Bildgebung mit hochfrequentem Ultraschall (HFUS) bei 22–75 MHz beschränkt sich auf die Untersuchung der Dermis und der Eigenschaften des subepidermalen Low-Echogenic Band (SLEB)4. Die optische Kohärenztomographie (OCT), ein weit verbreitetes Verfahren in der Augenheilkunde5, Kardiologie6, Gastroenterologie7 oder Dermatologie (Diagnose von Hautläsionen)8, ermöglicht aufgrund von begrenzte axiale Auflösung (~ 10 μm)9.

Optische Mikroskopietechniken wie die konfokale Laser-Scanning-Mikroskopie (CLSM)10,11 oder die Multiphotonen-Laser-Scanning-Mikroskopie (MPLSM)12 können bei der Beobachtung von Merkmalen oberflächlicher Hautschichten im Mikrometerbereich höhere laterale und axiale Auflösungen erzielen. Allerdings begrenzen die Laserquellen und Fokussierungsoptiken, die üblicherweise bei diesen Techniken eingesetzt werden, die Eindringtiefe, typischerweise etwa 250 μm13. Jüngste Verbesserungen der Instrumente und der Datenanalyse haben dazu beigetragen, strukturelle Veränderungen mit dem Altern durch die Automatisierung von In-vivo-Bildgebungsprotokollen zu quantifizieren, dh zu korrelieren14,15, aber der Zugang zur Live-3D-Visualisierung der Haut muss noch geklärt werden. Die konfokale optische Kohärenztomographie im Linienfeld (LC-OCT) ist eine neue bildgebende Technik16, die die Prinzipien der Zeitbereichs-OCT (TD-OCT)17 erweitert. Mit LC-OCT ist es möglich, während der In-vivo-3D-Bildgebung ein Sichtfeld von 1200 μm × 500 μm × 500 μm mit einer lateralen Auflösung von etwa 1 μm und einer Erfassungszeit von nur wenigen Sekunden zu erreichen16. Ursprünglich für die Erfassung ultrahochaufgelöster Vertikalschnittbilder (B-Scans)18 entwickelt, hat die Erfassung sowohl von Vertikalschnittbildern (B-Scan) als auch En-Face-Schnittbildern (C-Scans) zu isotropen hochauflösenden 3D-LC-OCT-Bildern19 geführt angepasst, um histologische und zelluläre Strukturen der Haut auf mikrometrischer Ebene zu untersuchen20,21. In Verbindung mit auf künstlicher Intelligenz (KI) basierenden Segmentierungsalgorithmen ist die Technik eine vielversprechende Methode zur Untersuchung von Hauterkrankungen wie Pustelhaut22 oder aktinischer Keratose23, ​​aber auch zur Ableitung quantitativer 3D-Parameter aus gesunder Haut, um die intrakutanen Auswirkungen des Alterns zu untersuchen24,25.

Die vorliegende Arbeit berichtet über die erste Studie, die an 100 gesunden kaukasischen Freiwilligen (20–70 Jahre alt) durchgeführt wurde, um Biomarker der Gesichtshautalterung mithilfe der LC-OCT-3D-Bildgebung zu identifizieren. Aktuelle konfokale mikroskopische Bildgebungstechniken ermöglichen keine Analyse des gesamten Gesichts, daher haben sich die meisten Studien auf bestimmte anatomische Stellen konzentriert, um altersbedingte Merkmale in jeder Region zu untersuchen26. In dieser Studie wurden drei Stellen ausgewählt: eine im oberen Teil des Gesichts (Schläfe), eine im zentralen Bereich (Malar) (Wangenknochen) und eine im unteren Teil (untere Kieferpartie). Diese Websites zielen darauf ab, Veränderungen in drei verschiedenen und repräsentativen Bereichen im gesamten Gesicht zu erfassen. Von drei Gesichtsregionen (Schläfe, Wangenknochen und Unterkiefer) aufgenommene Bilder wurden einer KI-gestützten Analyse unterzogen, die die Berechnung von Metriken (Parametern) für die Dicke der Hautschichten, einschließlich des Stratum Corneum (SC) und der lebensfähigen Epidermis (VE), ermöglichte ). Darüber hinaus wurden Metriken für die Zellmorphologie, insbesondere Kerngröße und -form, sowie Zellnetzwerkatypien ermittelt, die einen multiparametrischen Wert darstellen, der aus dem Vergleich der Form und Größe von Kernen mit benachbarten Zellen abgeleitet wird25. Darüber hinaus wurden die quantitativen Zellmetriken im Hinblick auf ihre Tiefe innerhalb der lebensfähigen Epidermis analysiert, um in gewissem Maße die biologischen Variationen zu berücksichtigen, die während des Reifungsprozesses von Keratinozyten auftreten und die Schichten Stratum Basale, Stratum Spinosum und Stratum Granulosum umfassen.

Die Dicke des SC, die Dicke des VE und die Welligkeit des DEJ wurden für Schläfe, Wangenknochen und Unterkiefer bestimmt (Tabelle 1). Die entsprechenden Boxplots werden als ergänzende Materialien bereitgestellt (Abb. S1, S2 und S3).

Die mittlere SC-Dicke für die Schläfe zeigte einen Anstieg von 7,6 % je nach Altersgruppe von 13,2 ± 0,8 µm (Altersgruppe [20, 30]) auf 14,2 ± 1,0 µm (Altersgruppe [61,70]) (KW p = 0,0039). (Tabelle 1). Der paarweise Vergleich ergab, dass die Altersgruppen [61,70] und [20,30] statistisch unterschiedlich sind. Für den Unterkiefer wurde ein vergleichbares Muster mit Mittelwerten von 13,1 ± 0,4 µm (Altersgruppe [21, 30]) und 13,9 ± 1,3 µm (Altersgruppe [61,70]) (KW p = 0,04) beobachtet, was einem Wert von 6,1 entspricht Prozentualer Anstieg, der laut paarweisem Vergleich mit den Altersgruppen korreliert. Für den Wangenknochen waren altersbedingte Schwankungen nicht signifikant (KW p = 0,31) (Tabelle 1). Obwohl die VE im Unterkiefer mit zunehmendem Alter eine Ausdünnung von 12,7 % von 55,1 ± 7,2 µm (Altersgruppe [20, 30]) auf 48,1 ± 5,3 µm (Altersgruppe [61,70], KW p = 0,0003) aufwies, Die Schläfe und der Wangenknochen zeigten keine signifikante Veränderung (Tabelle 1). Die Welligkeit des DEJ wurde ebenfalls für jede Altersgruppe bestimmt, es konnte jedoch keine Entwicklung mit dem Alter festgestellt werden (KW > 0,1). Die drei untersuchten Gesichtsbereiche zeigten ziemlich konsistente Werte, nämlich ~ 2,50 % für die Schläfe, ~ 0,50 % für den Wangenknochen und ~ 1,20 % für den Unterkiefer. Derzeit gefundene Durchschnittswerte unter 3 % deuten darauf hin, dass der DEJ für die jüngsten Freiwilligen relativ flach ist, weshalb nur begrenzte Schwankungen beobachtet werden.

Monnier et al. (2020) untersuchten das Potenzial der vertikalen 2D-LC-OCT-Bildgebung für die In-vivo-Charakterisierung gesunder menschlicher Haut und verglichen verschiedene Körperstellen, um die Dicke des SC und der gesamten Epidermis zu bestimmen27. Daten von verschiedenen anatomischen Stellen des Gesichts von 10 gesunden Freiwilligen (Durchschnittsalter = 27,1 ± 5,2 Jahre) wurden analysiert. Beim Vergleich der Altersgruppe [20, 30] wurde festgestellt, dass die Dicke des SC in der Wangenhöhle mit 9 ± 1,1 µm geringer ist als die derzeit für den Wangenknochen ermittelte Dicke, die bei 12,1 ± 0,5 µm lag. Allerdings war die Dicke der lebensfähigen Epidermis für die Wangenhöhle (~ 49 µm) vergleichbar mit dem Mittelwert von 48,4 ± 6,54 µm, der für den Wangenknochen gefunden wurde. Im Jahr 2021 haben Chauvel-Picard et al. schlug eine Pilotstudie zur Charakterisierung gesunder Epidermis vor, bei der die 3D-LC-OCT-Bildgebung mit der KI-gestützten Berechnung quantitativer Metriken gekoppelt wird. Ähnliche Variationen wurden auch an sieben Körperstellen beobachtet, mit entsprechenden Dicken von 9,7 ± 1,6 µm für den SC und 49,7 ± 4,2 µm für die lebensfähige Epidermis (Gesamtdicke der Epidermis minus SC-Dicke) für die Wange24. Es wird ein Unterschied von ~ 2 µm für den SC im Vergleich zu den vorliegenden Ergebnissen beobachtet; Allerdings ist die Korrelation der Ergebnisse aufgrund der unausgewogenen Anzahl von Freiwilligen (Pilotstudie n = 5, vorliegende Studie n = 100) begrenzt. Wichtig ist, dass die Arbeit von Chauvel-Picard et al. betonte die Variabilität, die zwischen verschiedenen anatomischen Stellen des Gesichts beobachtet werden kann. Bemerkenswert ist der Vergleich der Stirn (SC = 11,6 ± 2,5 µm; Epidermis = 69,4 ± 11,87 µm), der Nase (SC = 13,0 ± 3,4 µm; Epidermis = 76,4 ± 9,6 µm) und der Wangenhöhle (SC = 9,7 ± 1,6 µm und Epidermis = 49,7 ± 4,2 µm) zeigten erhebliche Unterschiede in der Dicke der oberflächlichen Schichten. Es ist wahrscheinlich, dass die Wangenmulde (Weichteil) und der Wangenknochen (unterhalb der Augenhöhle) deutliche Unterschiede aufweisen, die einige Zentimeter voneinander entfernt sind. Interessanterweise ergab eine vergleichende Studie der in vivo gemessenen SC-Dicke mit konfokaler Raman-Spektroskopie (CRS) und CRM einen Mittelwert von 12,8 ± 1,5 µm für die Wange (n = 17 Freiwillige)28. Diese Beobachtung wurde in zwei weiteren Studien bestätigt, wobei in der ersten CRS mit OCT zur Messung der SC-Dicke verglichen wurde (Mittelwert = 12,8 ± 0,9 µm)29 und in der zweiten die Variationen bei normaler Haut mithilfe von CRM untersucht wurden (Mittelwert = 12,05 ± 1,7 µm). )30. Diese Beobachtungen bestätigen, dass die derzeit durchgeführte automatisierte Segmentierung zuverlässige Schätzungen für die SC-Dicke lieferte, die mit der Literatur übereinstimmen. In Bezug auf die Dicke der Epidermis ermöglichte eine systematische Überprüfung in Verbindung mit einer Metaanalyse die Verwendung von Screening-Ergebnissen, die mithilfe von OCT, Ultraschall, LSM und Histologie gesammelt wurden, um die mittlere Hautdicke für verschiedene Körperstellen zu berechnen26. Aus den Literaturdaten wurde beispielsweise eine mittlere epidermale Dicke von 56,5 µm für die Wange weiblicher Kaukasier ermittelt, was mit den aus den LC-OCT-Ergebnissen berechneten Mittelwerten übereinstimmt.

Bezüglich der Auswirkungen des Alterns gibt es erste Arbeiten von Shuster et al. 1975 wurde anhand menschlicher Biopsien berichtet, dass die Gesamtdicke der Haut bei Frauen bis zum Alter von etwa 50–60 Jahren konstant blieb und danach leicht abnahm31. Seitdem wurden In-vivo-Technologien für die dermatologische Forschung weiterentwickelt, um die Quantifizierung von Alterungseffekten zu ermöglichen. Es wird allgemein angenommen, dass das SC seine Dicke während des Alterns beibehält32, es ist zu erwarten, dass die Epidermis mit zunehmendem Alter deutlich dünner wird und die Retekämme abflachen32. Trotz histologischer Beweise33 sind in der Literatur in vivo gemessene Veränderungen der Dermis, Epidermis und der gesamten Hautdicke oft widersprüchlich34,35,36. HFUS hat als zuverlässige Technik zur Untersuchung von Variationen im SLEB37 große Anerkennung gefunden. Es wurde auch häufig in Studien eingesetzt, die sich hauptsächlich auf nicht-invasive Messungen der Hautdicke in vivo konzentrieren. Jüngste In-vivo-Studien berichten über eine Abnahme der gesamten Hautdicke am dorsalen Unterarm und am ventralen Oberschenkel34; die Auswirkungen der Lichtalterung auf der Ebene der Dermis für verschiedene Bereiche des Unterarms35; und das Fehlen eines Unterschieds in der Dicke der Wangenepidermis (unter anderem an Körperstellen) zwischen zwei Altersgruppen < 35 Jahre und > 35 Jahre38, alles deutete darauf hin, dass die Hauptschwankungen der Hautdicke mit dem Alter auf Veränderungen in den tiefsten Schichten der Haut zurückzuführen sind Haut. Eine dickere Gesamthaut bei jungen Menschen und eine Abnahme bei sehr reifer Haut4 sind wahrscheinlich die Hauptmerkmale, die bisher aus HFUS-Untersuchungen ermittelt wurden. Das höhere Auflösungsvermögen optischer Mikroskopietechniken hat eine verfeinerte Analyse ermöglicht, die Ergebnisse sind jedoch manchmal schwer zu bestätigen. Eine multiparametrische Quantifizierung der menschlichen Hautalterung am Unterarm und im Gesicht mithilfe der 3D-Multiphotonenbildgebung kam zu dem Schluss, dass eine Ausdünnung der Epidermis den größten Teil des Unterschieds zwischen den Altersgruppen erklärt (d. h. 18–25 Jahre, n = 15 gegenüber 70–75 Jahren, n = 15). ), aber es wurden keine signifikanten Unterschiede im SC bei europäischen weiblichen Freiwilligen gefunden39. Allerdings wurden durch RCM in der Malarregion für SC und VE keine altersbedingten Unterschiede beobachtet (Altersgruppen 18–35 Jahre, n = 6 und 40–60 Jahre, n = 6)40. Ebenso hat eine Multiphotonen-Lasertomographie-Studie (MPT) an Unterarm und Hand keinen Unterschied in der VE- und SC-Dicke zwischen drei Altersgruppen gezeigt (durchschnittliche Altersgruppen = 23,3, 47,3 und 72,1 Jahre, jeweils n = 10)12. Die gleichen Schlussfolgerungen wurden für die Beurteilung der chronologischen und fotografischen Alterung der Unterarmhaut mittels RCM gezogen (Altersgruppe 20–30 Jahre: 9 Männer, 28 Frauen; Altersgruppe 50–60 Jahre: 24 Männer, 14 Frauen)41. Es besteht zweifellos ein Mangel an Standardisierung bei experimentellen Designs zur Untersuchung verschiedener Körperstellen und -gruppen (Ethnien, Fototypen, Altersgruppen). Die untersuchten Panels sind im Allgemeinen auch zu klein, um ein gewisses Maß an Vertrauen in die Quantifizierung altersbedingter Veränderungen zu erreichen. Die Erfassungsgeschwindigkeit der LC-OCT-3D-Bildgebung (< 1 Minute für einen vollständigen 3D-Stapel), das Sichtfeld (1200 µm × 500 µm) und die mikrometrische Auflösung eröffnen jedoch Perspektiven für die Generierung wertvoller In-vivo-Daten aus großen Kohorten von Freiwillige. Die derzeit an 100 Freiwilligen durchgeführte Untersuchung zielt darauf ab, weitere Erkenntnisse über altersbedingte Unterschiede zu gewinnen.

Erstens ermöglichten die mithilfe der LC-OCT-Bildgebung gesammelten Ergebnisse, eine Verdickung des SC (~ + 1 µm) zwischen den Altersgruppen [20–30] und [61–70] hervorzuheben. Eine umfassendere Analyse der von Koehler et al.12 berichteten Ergebnisse unter Verwendung einer konfokalen Lasertomographie am dorsalen Unterarm ergab die folgenden SC-Dickenwerte: 18 µm (Gruppe Nr. 1, Durchschnittsalter = 23,3 Jahre), 16 µm (Gruppe Nr. 2, Durchschnittsalter = 47,3 Jahre) und 25 µm (Gruppe Nr. 3, Durchschnittsalter = 72,1 Jahre). Obwohl die Unterschiede statistisch nicht signifikant waren, wurde ein Anstieg der Mittelwerte um 7 µm beobachtet. Die von Pena et al.39 unter Verwendung von MPM gemeldeten Daten veranschaulichen die Herausforderung, einen Konsens über die SC-Dicke in verschiedenen Altersgruppen zu erzielen. Beim Vergleich zweier separater Studien, die am ventralen Unterarm durchgeführt wurden, zeigte die erste Studie aus dem Jahr 2010 einen Anstieg der mittleren Dicke von 16,64 ± 2,81 µm (Altersgruppe [30–40]) auf 18,44 ± 5,03 µm (Altersgruppe [55–65]). während die zweite Studie aus dem Jahr 2009 an ventralen und dorsalen Unterarmen für die Altersgruppen einen Rückgang von 15,80 ± 2,83 µm auf 13,33 ± 3,50 µm am ventralen Unterarm und einen Anstieg von 13,93 ± 3,86 auf 15,65 ± 4,93 µm am dorsalen Unterarm zeigte [18 –25] bzw. [70–75]. Obwohl diese Ergebnisse statistisch nicht signifikant waren, zeigten die dargestellten Boxplots deutlich Trends in der Datenverteilung, die in gewissem Maße mit der Alterung zu korrelieren schienen. Interessanterweise umfasste eine dritte Studie an der Schläfe durchgeführte Aufnahmen, die zu SC-Dickenmessungen von 11,06 ± 2,72 µm (Altersgruppe [18–25]) und 11,55 ± 2,56 µm (Altersgruppe [70–75]) führten, bei nur 0,5 µm Unterschied. Im Vergleich zu den vorliegenden LC-OCT-Ergebnissen wurde festgestellt, dass der Mittelwert für die Schläfe von 13,2 ± 0,8 µm für die Altersgruppe [20–30] auf 14,2 ± 1 µm für die Altersgruppe [60–70] anstieg. Es wurden das gleiche Muster und eine Variation in der gleichen Größenordnung beobachtet, der Hauptunterschied liegt jedoch in den Standardabweichungen, die für LC-OCT geringer waren (SD ~ 1), was zu statistisch signifikanten unterschiedlichen Ergebnissen führte. Die Messung der Dicke des Stratum Corneum (SC) in vivo wirft zwangsläufig Fragen zur Leistung der Technik auf. Es gibt nur begrenzte Studien, die über Daten berichten, die mithilfe von Technologien mit ausreichender Auflösung und Robustheit (Wiederholbarkeit, Reproduzierbarkeit) aus dem Gesicht gesammelt wurden, um die Auswirkungen des Alterns auf die SC-Dicke in vivo nicht-invasiv genau zu beurteilen. Leistungsstarke Methoden wie die LC-OCT-3D-Bildgebung spielen eine entscheidende Rolle bei der Quantifizierung mikrometrischer Variationen und der Hervorhebung subtiler Änderungen, die zuvor aufgrund technischer Einschränkungen nicht erkennbar waren oder ignoriert wurden.

Zweitens hat die aktuelle LC-OCT-Untersuchung ergeben, dass die lebensfähige Epidermis VE mit zunehmendem Alter nicht kontinuierlich dünner wird. Während der Unterkiefer eine Abnahme von etwa 7 µm aufwies, zeigten Wangenknochen und Schläfe keine merklichen Abweichungen, was auf Unterschiede zwischen den untersuchten Bereichen hindeutet. Darüber hinaus ergab eine Pilotstudie mit LC-OCT24 keinen signifikanten Unterschied in der SC- und VE-Dicke zwischen den Altersgruppen (24,2 ± 2,4 Jahre (n = 5) und 57,0 ± 1,0 (n = 3)) für Wange, Nase und Stirn. Allerdings handelt es sich bei der vorliegenden Arbeit um die erste umfangreiche Studie (n = 100), die diesen Aspekt mit dieser Methode untersucht. Das Thema der Variation der Dicke der lebensfähigen Epidermis bleibt in der wissenschaftlichen Gemeinschaft etwas umstritten. Dies kann auf zahlreiche Faktoren zurückgeführt werden, die die Interpretation der Ergebnisse beeinflussen, darunter Unterschiede in der Stichprobengröße, der Demografie und dem Studiendesign. Darüber hinaus tragen andere Faktoren wie genetische Veranlagung, Umwelteinflüsse oder zugrunde liegende Hauterkrankungen zu widersprüchlichen Ergebnissen bei, was es schwierig macht, endgültige Schlussfolgerungen über eine mögliche Ausdünnung der Epidermis und deren Zusammenhang mit dem Altern zu ziehen. Dies geht aus der systematischen Überprüfung und Metaanalyse von Lintzeri et al.26 hervor, die die epidermale Dicke bei gesunden Menschen untersuchte. Von 142 Studien, die von Juni 1946 bis Juni 2020 reichten und ausreichende Informationen enthielten, bezogen sich nur 9 Studien auf die Alterung der Gesichtshaut. Darunter verwendete eine Studie die Histologie von Biopsien koreanischer Freiwilliger42, fünf Studien verwendeten OCT, an denen Kaukasier43,44,45, Afrikaner45 und Asiaten46 beteiligt waren, und drei Studien verwendeten RCM, darunter Populationen von Kaukasiern47, Koreanern48 und Brasilianern49. Zusätzlich zu den Unterschieden in der Panelgröße und den untersuchten ethnischen Gruppen muss unbedingt betont werden, dass die Studien von Josse et al.43, Querleux et al.45 und Pouradier et al.44 keine direkten Daten für Altersgruppenvergleiche lieferten (d. h es wurde nur eine Altersgruppe untersucht). Stattdessen wurden die Ergebnisse der Epidermisdicke verwendet, um Durchschnittswerte für junge und alte Gruppen abzuschätzen. Bei einer eingehenden Analyse der verschiedenen Studien unter Berücksichtigung der verwendeten Techniken, untersuchten Körperstellen, ethnischen Gruppen oder Fototypen wird es schwierig, eine schlüssige Aussage über die systematische Ausdünnung der lebensfähigen Epidermis mit zunehmendem Alter im Gesicht zu treffen. Der für die Untersuchung ausgewählte Altersbereich ist ein wichtiges Kriterium für die Interpretation der Ergebnisse. Die Studie von Kim et al. An der Wange durchgeführte Untersuchungen ergaben keine Unterschiede in der Epidermisdicke mit zunehmendem Alter zwischen jungen und älteren Altersgruppen, definiert als [20–28 Jahre] bzw. [50–58 Jahre]48. Beim Vergleich dieser Ergebnisse kommt die Schlussfolgerung von Longo et al. Eine Studie zum Malar eminence47, die auf einen altersbedingten Unterschied in der Dicke der Epidermis hinweist, mag zunächst widersprüchlich erscheinen. Beim Vergleich der Ergebnisse nach Altersgruppen wurden jedoch keine statistischen Unterschiede zwischen den vier Altersgruppen beobachtet: [< 35 Jahre alt], [36–45 Jahre alt], [46–55 Jahre alt] und [56–65 Jahre alt]. alt]. Eine deutliche Abnahme der Dicke wurde nur in der Altersgruppe [65–82 Jahre] beobachtet. Diese Beobachtung wurde in einer anderen Studie von Longo et al. weiter unterstrichen, die einen signifikanten Unterschied für dieselbe Altersgruppe [65–82 Jahre] berichtete10. Die durch LC-OCT-Bildgebung in der vorliegenden Studie erzielten Ergebnisse bestätigen die zuvor berichtete konsistente Dicke der lebensfähigen Epidermis bis zu einem Alter von 65 Jahren, wie sie bei RCM beobachtet wurde. Aufgrund der unterschiedlichen Einschlusskriterien konnte in der älteren Altersgruppe (61–70 Jahre) leider keine weitere Entwicklung, d. h. eine potenzielle Ausdünnung, bei Freiwilligen über 70 Jahren beobachtet werden. Dennoch hat die Quantifizierung von Hautmikrostrukturen mithilfe der LC-OCT-3D-Bildgebung ihr Potenzial gezeigt, das aktuelle Wissen über altersbedingte Strukturvariationen in der Gesichtshaut zu erweitern. Es handelt sich um ein relevantes Instrument, das zur Unterstützung der Schaffung eines Konsenses innerhalb der Gemeinschaft hinsichtlich der Definition normaler Alterungsmerkmale in Betracht gezogen werden sollte.

Die für die drei Regionen berechnete Anzahl der Zellschichten ist in Tabelle 2 dargestellt. Für den Unterkiefer sank der Mittelwert von 6,28 ± 0,65 Schichten (Altersgruppe [20, 30]) auf 5,64 ± 0,57 Schichten (Altersgruppe [60, 70]). ) (p = 0,002). Auch die Standardabweichung der Anzahl der Zellschichten verringerte sich signifikant von 1,19 ± 0,12 auf 1,05 ± 0,11 Schichten (p < 0,001). Der paarweise Test unterschied zwischen der jüngsten und der ältesten Altersgruppe, was darauf hindeutet, dass für die Altersgruppe [20, 30] eine höhere Heterogenität in der Anzahl der Zellschichten besteht. Während die beobachtete Abnahme der Epidermisdicke des Unterkiefers um etwa 7 µm mit der geringeren Anzahl an Zellschichten korreliert, weist die verringerte Standardabweichung auf ein flacheres und homogeneres Erscheinungsbild hin. Für die Schläfe und den Wangenknochen zeigte die Anzahl der Zellschichten keine signifikanten Unterschiede, obwohl die Standardabweichung der Anzahl der Zellschichten für die Schläfe eine höhere Heterogenität für die jüngste Gruppe bestätigte (p = 0,038).

In den Tabellen 3, 4 und 5 werden die zellulären Metriken gemäß 5 Reifungsindizes dargestellt, die sich aus der Segmentierung der VE ergeben. M1 ist das tiefste Segment des VE, das dem Stratum basale entspricht, und M5 ist das letzte Segment, das dem Stratum granulosum assimilierbar ist. Es wurde festgestellt, dass die Zelloberflächendichte (CSD) mit dem Alter für die Schläfe (Tabelle 3) bei M5 (p = 2,34e−7), M4 (p = 3,99e−5) und M3 (p = 0,012) signifikant abnimmt; für den Wangenknochen (Tabelle 4) bei M5 (p = 0,0018) und M4 (p = 0,0185); und für den Unterkiefer (Tabelle 5) bei M5 (p = 1,23e−5), M4 (p = 1,70e−8) und M3 (p = 1,75e−5). Für die drei Gesichtsbereiche zeigte die CSD im Stratum granulosum und Stratum spinosum (M5–M3) altersbedingte Schwankungen. Der Rückgang des CSD deutete auf ein weniger dichtes Mobilfunknetz mit einer geringeren Anzahl von Zellen pro Schicht hin. Die mittleren Kernvolumina für die Schläfe (Tabelle 3), den Wangenknochen (Tabelle 4) und den Unterkiefer (Tabelle 5) nahmen mit der Altersgruppe für alle Reifungsindizes zu. Allerdings wurden für den Unterkiefer bei M5 (p = 0,0019), M4 (p = 0,017) und M1 (p = 0,0164) sowie für die Schläfe bei M2 (p = 0,0437) und M1 (p = 0,0373) signifikante Abweichungen festgestellt davon wurde auch zwischen Altersgruppen unterschieden [20, 30] und [61,70]. Die Standardabweichung des Kernvolumens zeigte einen signifikanten Anstieg für den Tempel (Tabelle 3) bei M5 (p = 0,0466) und M4 (p = 0,0124); der Wangenknochen (Tabelle 4) bei M5 (p = 0,0128), M4 (p = 0,0302), M3 (p = 0,0396) und M2 (p = 0,019); und für den Unterkiefer (Tabelle 5) bei M5 (p = 0,0002), M4 (p = 0,0001), M3 (p = 0,0087), M2 (p = 0,006) und M1 (p = 0,0295). Paarweise Vergleiche zeigten signifikante altersbedingte Unterschiede für Wangenknochen und Unterkiefer in einer Tiefe, die dem äußeren Teil des VE entspricht, dh dem Stratum granulosum und dem Stratum spinosum (Reifungsindex M5–M3). Der Anstieg des mittleren Kernvolumens und seiner Standardabweichung deutete auf das Vorhandensein größerer und heterogenerer Kerne in diesen Schichten hin. Trotz erheblicher Unterschiede in der Kernkompaktheit für den Tempel (Tabelle 3) bei M4 (p = 0,012); für den Wangenknochen (Tabelle 4) bei M4 (p = 0,0011), M3 (p = 6,250e−7), M2 (p = 1,195e−5) und M1 (p = 0,0032); und für den Unterkiefer (Tabelle 5) bei M4 (p = 0,0096), M3 (p = 0,0002) und M2 (p-Werte = 0,037) bestätigten paarweise Vergleiche nur einen Rückgang zwischen [20, 30] und [61,70] Altersgruppen für den Wangenknochen. Die Standardabweichung der Kompaktheit zeigte auch einen signifikanten Anstieg der mit dem Alter verbundenen Heterogenität für die Reifungsindizes M3 (p = 1,680e−5), M2 (p = 2,355e−6) und M1 (p = 0,0122) für den Wangenknochen. Die Zellnetzwerkatypie zeigte einen signifikanten Anstieg für die Schläfe (Tabelle 3) für M5 bis M1 (p < 0,01); für den Wangenknochen (Tabelle 4) für M5 bis M2 (p < 0,05); und für den Unterkiefer (Tabelle 5) für M5 bis M2 (p < 0,05). Paarweise Vergleiche bestätigten, dass altersbedingte Variationen in der Zellnetzwerk-Atypie-Metrik in unterschiedlichen Tiefen der VE für die Schläfe und den Unterkiefer gefunden werden können, während für den Wangenknochen die Unterscheidung für Reifungsindizes erreicht wurde, die dem Stratum granulusolum (M5–M4) entsprechen. . Bei der Zellnetzwerkatypie handelt es sich um eine multiparametrische zelluläre Metrik, die zur Berechnung des Scores die Form und Größe der Kerne sowie den Vergleich mit direkt benachbarten Kernen berücksichtigt25. Daher ist der Score ein relevanter quantitativer Marker für die Heterogenität der Zellkerne, der in den drei untersuchten Gesichtsbereichen erhebliche altersbedingte Unterschiede aufzeigte.

LC-OCT wurde 2018 erstmals in der Literatur beschrieben18 und ist eine aufstrebende Technik, die in Verbindung mit KI-basierten Segmentierungsalgorithmen ihre Fähigkeit unter Beweis gestellt hat, Hautstrukturen zu charakterisieren, um histologische20,27 und zelluläre Informationen24,25 zu extrahieren. Im Laufe der Jahre wurde die Hautmikroanatomie auf der Grundlage histologischer Daten, die erste Erkenntnisse über physiologische Prozesse lieferten, umfassend untersucht. Es sind jedoch die Verbesserungen der In-vivo-Bildgebungstechniken, die den Zugriff auf Informationen auf zellulärer Ebene ermöglichen. Bemerkenswert ist, dass mikroskopische Untersuchungen kleinere Keratinozyten bei Säuglingen mit einem höheren Zellumsatz in Verbindung brachten50, gefolgt von einer Zunahme der Größe und einer Abnahme der Zelldichte mit zunehmendem Alter, sowohl im Stratum granulosum als auch im Stratum spinosum51. Gegenwärtig bestätigten aus LC-OCT-Bildern berechnete Zellmetriken diese Beobachtungen mit einer signifikanten Abnahme der CSD für Schläfe, Wangenknochen und Unterkiefer mit zunehmendem Alter, aber auch einer Zunahme der Anzahl der Zellschichten für den Unterkiefer und einer Zunahme der Standardabweichung der Anzahl Zellschichten für die Schläfe und den Unterkiefer bei jüngeren Altersgruppen, die mit stärker proliferierenden Aktivitäten verbunden sein könnten. In der Vergangenheit wurde RCM häufig zur Messung der Keratinozytengröße in verschiedenen Tiefen verwendet13 und das von diesen Zellen gebildete Wabenmuster wurde beschrieben52. Während RCM für morphometrische In-vivo-Analysen auf 2D-Horizontalbilder beschränkt war30, wurde es hauptsächlich zur Charakterisierung beispielsweise der Lichtalterung verwendet, indem sonnenexponierte und sonnengeschützte Körperstellen verglichen wurden30. Tatsächlich haben eine verbesserte Auflösung oder beispielsweise der direkte Zugriff auf die 3D-Erfassung in neueren Technologien in Verbindung mit robusteren Datenanalyseprotokollen die Berechnung zellulärer Parameter (Größe, Form) ermöglicht53. LC-OCT bietet relevante Fähigkeiten und positioniert es als wertvolles ergänzendes Werkzeug zur Durchführung einer multiparametrischen Quantifizierung der Hautalterung durch automatisierte Bestimmung von Metriken auf mikrometrischer Ebene. Die Technik profitiert von einem beträchtlichen Sichtfeld (1200 × 500 µm2) und einer Analysetiefe von 500 µm. Insbesondere die hochisotrope Auflösung von etwa 1,3 µm verbessert die Leistung, indem sie eine präzise dreidimensionale Bildgebung ermöglicht, die wertvolle Einblicke in hautphysiologische Prozesse, Hautbiologie und den Alterungsprozess liefern kann. Die Leistungen zur Visualisierung feiner Strukturen der menschlichen Haut in vivo sind mit denen der Multiphotonenmikroskopie vergleichbar, die drastische Verbesserungen bei der Untersuchung der Keratinozytenmorphologie in vivo54 und bei der 3D-Quantifizierung der menschlichen Hautalterung39 verzeichnet hat. Sowohl MPLSM als auch LC-OCT sind optische Techniken, die auf unterschiedlichen Modalitäten basieren, wodurch sich die gesammelten Informationen in hohem Maße ergänzen. Dennoch bringt der Einsatz von 3D-Aufnahmen in diesem Zusammenhang, ähnlich wie bei anderen bildgebenden Verfahren, zwei wesentliche Herausforderungen mit sich. Erstens erfordern die großen Datensätze und die Komplexität biologischer Informationen die Entwicklung ausgefeilter Data-Mining-Methoden55. Zweitens wird die Analysezeit von mehreren Faktoren beeinflusst, darunter der Zeit, die zum Sammeln eines einzelnen 3D-Bildes benötigt wird (normalerweise weniger als eine Minute), der Anzahl der Bilder, die für repräsentative und zuverlässige Ergebnisse aus einem bestimmten Bereich benötigt werden (einige Minuten) und die Anzahl der zu analysierenden Gesichtsbereiche, um umfassende Informationen für das gesamte Gesicht zu erhalten (zig Minuten). Während die Kombination aus mikrometrischer Auflösung und Vollgesichts-In-vivo-Mikroskopie eine erhebliche technische Herausforderung darstellt, sind jüngste Fortschritte bei Bildgebungssystemen und Rechentechniken, insbesondere die Integration der LC-OCT-Bildgebung mit KI-basierten Algorithmen, vielversprechend für zukünftiges Echtzeit-3D Visualisierung von Hautstrukturen in den für Alterungsuntersuchungen relevantesten Gesichtsbereichen. Das Erreichen dieses Meilensteins wäre ein bedeutender Fortschritt bei der nicht-invasiven Charakterisierung gesunder Haut.

Das Potenzial der In-vivo-3D-LC-OCT-Bildgebung zur Generierung großer Datensätze aus umfangreichen Gruppen gesunder Freiwilliger, derzeit bestehend aus 100 weiblichen Kaukasiern, wurde nachgewiesen. Die hohe isotrope Auflösung und Analysetiefe der Technik erleichterte die Berechnung histologischer und zellulärer epidermaler quantitativer Metriken mithilfe von KI-basierten Algorithmen und ermöglichte die Korrelation von Variationen der Hautmikrostruktur mit dem Altern. Diese erste explorative Studie verdeutlichte die Möglichkeiten der Technik, ein besseres Verständnis des Alterungsprozesses zu unterstützen, insbesondere bei der Bestimmung der Hautschichtdicke mit mikrometrischer Präzision an verschiedenen anatomischen Stellen im Gesicht (Schläfe, Wangenknochen und Unterkiefer). Darüber hinaus liefert die Studie weitere Einblicke in die leichte Verdickung des Stratum corneum (Schläfe und Unterkiefer) und die gleichbleibende Dicke der lebensfähigen Epidermis (Schläfe, Wangenknochen) mit zunehmendem Alter und liefert wertvolle Daten zur vorhandenen Literatur. Darüber hinaus erweist sich die 3D-LC-OCT auf zellulärer Ebene als leistungsstarkes Instrument zur Beurteilung des Keratinozytennetzwerks. Die beobachtete verringerte Standardabweichung bei der Anzahl der Zellschichten, die verringerte Zelloberflächendichte, das erhöhte mittlere Kernvolumen, die höhere Standardabweichung beim Kernvolumen und die erhöhte Zellnetzwerkatypie deuten insgesamt auf ein weniger dichtes Zellnetzwerk mit einer verringerten Anzahl von Zellen pro Schicht hin. Darüber hinaus ist das Vorhandensein größerer und heterogener Kerne mit dem Alter verbunden. Die Kopplung der In-vivo-3D-LC-OCT-Bildgebung mit KI stellt ein wertvolles Werkzeug dar, um Einblicke in die mikrostrukturellen Veränderungen zu gewinnen, die mit zunehmendem Alter in der Haut auftreten. Darüber hinaus sind die abgeleiteten zellulären Messwerte vielversprechende potenzielle Schlüsselbiomarker zur Quantifizierung der Gesichtshautalterung bei gesunden kaukasischen Probandinnen.

Die Forschung wurde in Übereinstimmung mit den lokalen (FRANKREICH) gesetzlichen Bestimmungen und in Übereinstimmung mit der Deklaration von Helsinki durchgeführt. Die Studie wurde von der französischen Ethikkommission „Comité de Protection des Personnes Sud Méditerranée I“ genehmigt (IDRCB: 2021-A00101-40). Von allen Teilnehmern wurde eine schriftliche Einverständniserklärung eingeholt. Einhundert gesunde kaukasische weibliche Freiwillige mit Hautfototyp I, II oder III (Fitzpatrick-Skala) und gleichmäßig in 5 Altersgruppen verteilt [20,30], [31,40], [41,50], [51,60] und [ 61,70] wurden einbezogen.

3D-Bilder wurden mit einem deepLive™-System (DAMAE MEDICAL, Frankreich) gesammelt (Abb. 1A). Der instrumentelle Aufbau ist in 56 detailliert beschrieben. Als Immersionsmedium wurde Paraffinöl (n ∼ 1,4) verwendet. Drei LC-OCT-3D-Bilder (1200 µm × 500 µm × 350 µm) wurden für jeden Bereich (Schläfe, Wangenknochen und Unterkiefer (Unterkiefer)) als Schichtstapel parallel zur Hautoberfläche (xy) mit einer Schrittgröße von 1 μm aufgenommen (z-Richtung). Die für jeden Probanden analysierte Gesichtsseite wurde durch eine Randomisierungsmethode definiert. Um die Repräsentativität der Probenahme sicherzustellen, wurden visuelle Qualitätskriterien angewendet, zu denen das Verhindern von Bewegungen während der Erfassung, die Aufrechterhaltung eines ordnungsgemäßen Kontakts der Sonde mit der Haut, die Minimierung des Vorhandenseins von Haaren und Hautanhangsgebilden sowie die Sicherstellung, dass in dem Bereich keine Pigmentflecken vorhanden sind, gehörten von Interesse.

LC-OCT gekoppelt mit KI zur Bildgebung gesunder menschlicher Gesichtshaut. (A) Beispiel eines erfassten 3D-Stapels. (B) Repräsentatives 2D-rekonstruiertes vertikales Bild (xz). (C,D) Darstellung eines 2D-rekonstruierten vertikalen Bildes (vergrößerte Ansicht) vor und nach der Segmentierung der Schichten (a: Hautoberfläche, b: Schnittstelle zwischen SC und lebensfähiger Epidermis und c: Schnittstelle zwischen Epidermis und Dermis (d. h. dermal-epidermale Verbindung) . (E,F): Darstellung eines 2D-Horizontalbildes (xy, vergrößerte Ansicht) vor und nach der Zellkernsegmentierung (farbige kreisförmige Linien stellen Kerne dar, die in diesen Stapeln aus 3D-LC-OCT-Bildern erkannt wurden). (G) LC-OCT-Bilder (3D-Stapel) mit Farbprojektion von Ebenen und zellulären Metriken.

Die Segmentierung der Hautschicht wurde mithilfe eines 2D-UNet-Modells auf vertikal rekonstruierten Bildern durchgeführt (Abb. 1B)57,58. Der Algorithmus wurde mithilfe manuell kommentierter vertikaler 2D-Bilder trainiert, die von geschulten Experten aus einem unabhängigen Datensatz beschriftet wurden. Das Segmentierungsergebnis wurde auch von den geschulten Experten durch visuelle Inspektion der verarbeiteten Bilder validiert, um Genauigkeit und Zuverlässigkeit sicherzustellen. Die Dicke von SC und VE wurde aus der durchschnittlichen Anzahl von Pixeln zwischen der Hautoberfläche, der SC-Grenzfläche bzw. der DEJ-Grenzfläche abgeleitet (Abb. 1B).

Der Prozentsatz der DEJ-Welle wurde wie folgt berechnet:

Dabei ist SDEJ die Fläche der dermo-epidermalen Schnittstelle und SROI die gesamte horizontale Fläche des LC-OCT-Bildes ohne Bereiche, die Haarfollikeln entsprechen24,59.

Die Segmentierung der Zellkerne im VE wurde durch Deep-Learning-Modelle (KI-Algorithmus) durchgeführt, die auf 3D-Faltungen24 und dem 3D-StarDist-Modell60 basierten (Abb. 1C und D). Weitere Einzelheiten finden Sie in25. Die Entwicklung der Methode wurde von geschulten Experten unterstützt, die 2D-Vertikalbilder manuell mit Anmerkungen versehen und das Ergebnis der Kernsegmentierung durch gründliche visuelle Inspektion validiert haben. Zelloberflächendichte (Zellzahl/mm2), Volumen (μm3), Kompaktheit (oder Sphärizität, Anzahl der Zellschichten (in der VE, Abb. 1C) und Kernnetzwerkatypie (Erkennung von Ausreißern in der Zellpopulation unter Berücksichtigung ihrer Position). ) wurden berechnet. Weitere Details über das für Kernnetzwerkatypien verwendete Modell (XGBoost61) finden Sie in25. Um die Variabilität innerhalb des Bildes widerzuspiegeln, wurden die Standardabweichung des Kernvolumens, die Standardabweichung der Kernkompaktheit und die Standardabweichung der Anzahl der Zellschichten berücksichtigt werden auch als Messgrößen verwendet.

Um die biologischen Variationen zu berücksichtigen, die mit der Reifung von Keratinozyten in den Schichten Stratum Basale, Stratum Spinosum und Stratum Granulosum verbunden sind, wurden zelluläre Metriken basierend auf ihrer räumlichen Verteilung innerhalb der Tiefe des VE analysiert (Abb. 1G). Um die Positionierung über alle LC-OCT-Bilder hinweg zu standardisieren, wurden die zellulären Metriken in fünf Segmente unterteilt, die den in der Statistik verwendeten Quintilen gleichgesetzt werden können. Jedes Segment wurde mit einem Reifeindex gekennzeichnet, der von M1 (das tiefste Segment, das dem unteren 20 %-Anteil des VE entspricht und mit dem Stratum Basale verbunden ist) bis M5 (das obere Segment, das dem höheren 20 %-Anteil des VE entspricht und mit dem Stratum Basale verbunden ist) reichte das Stratum Granulosum). Somit umfasst jeder Reifungsindex Veränderungen im Zellnetzwerk (Kerngröße und -form), die mit der Differenzierung von Keratinozyten korrelieren.

Die Messwerte wurden als Mittelwert ± Standardabweichung angegeben. Um die Probanden nach Altersgruppen zu vergleichen, wurde eine ANOVA durchgeführt. Die Normalität der ANOVA-Reste wurde durch einen Shapiro-Wilk-Test mit einem Signifikanzniveau von 10 % bewertet. Für den Fall, dass die Normalität der Residuen nicht überprüft werden konnte, wurde alternativ ein Kruskal-Wallis-Test verwendet. Wenn die ANOVA (oder der KW-Test) signifikant war, wurden Mehrfachvergleichstests durchgeführt, um Altersgruppen paarweise zu vergleichen, mit Tukey-Anpassung für Mehrfachvergleichstests. Die den einzelnen Altersgruppen zugeordneten Buchstaben veranschaulichen ihre Diskriminierung und veranschaulichen signifikante Unterschiede in den Kennzahlen mit dem Alter.

Alle Daten sind im Text verfügbar.

Hofmeier, SM et al. Körperbild, Alter und Identität bei Frauen über 50: Die Gender and Body Image (GABI)-Studie. J. Women Aging 29, 1–12 (2016).

Google Scholar

Flament, F., Amar, D., Feltin, C. & Bazin, R. Bewertung altersbedingter Veränderungen einiger Gesichtszeichen bei Männern aus vier verschiedenen ethnischen Gruppen. Int. J. Kosmetik. Wissenschaft. 40, 502–515 (2018).

Artikel CAS PubMed Google Scholar

Lübberding, S., Krueger, N. & Kerscher, M. Mechanische Eigenschaften der menschlichen Haut in vivo: Eine vergleichende Bewertung bei 300 Männern und Frauen. Hautres. Technol. 20, 127–135 (2014).

Artikel CAS PubMed Google Scholar

Vergilio, MM, Vasques, LI & Leonardi, GR Charakterisierung der Hautalterung durch Hochfrequenz-Ultraschallbildgebung als Technik zur Bewertung der Wirksamkeit von Anti-Aging-Produkten und -Verfahren: Eine Übersicht. Hautres. Technol. 27, 966–973 (2021).

Artikel PubMed Google Scholar

Sherman, J. Optische Kohärenztomographie von Augenerkrankungen. Optom. Marmelade. Optom. Assoc. 76, 513 (2005).

Google Scholar

Bezerra, HG, Costa, MA, Guagliumi, G., Rollins, AM & Simon, DI Intrakoronare optische Kohärenztomographie: Eine umfassende Übersicht. Jacc Cardiovasc. Interv. 2, 1035–1046 (2009).

Artikel PubMed PubMed Central Google Scholar

Adler, DC et al. Dreidimensionale Endomikroskopie mittels optischer Kohärenztomographie. Nat. Photonics 1, 709–716 (2007).

Artikel ADS CAS Google Scholar

Levine, A., Wang, K. & Markowitz, O. Optische Kohärenztomographie in der Diagnose von Hautkrebs. Dermatol. Klin. 35, 465–488 (2017).

Artikel CAS PubMed Google Scholar

Drexler, W. et al. In vivo ultrahochauflösende optische Kohärenztomographie. Opt. Lette. 24, 1221 (1999).

Artikel ADS CAS PubMed Google Scholar

Longo, C., Casari, A., Beretti, F., Cesinaro, AM & Pellacani, G. Hautalterung: In vivo mikroskopische Beurteilung epidermaler und dermaler Veränderungen mittels konfokaler Mikroskopie. Marmelade. Acad. Dermatol. 68, e73–e82 (2013).

Artikel PubMed Google Scholar

Ulrich, M. & Lange-Asschenfeldt, S. In vivo konfokale Mikroskopie in der Dermatologie: Von der Forschung zur klinischen Anwendung. J. Biomed. Opt. 18, 061212–061212 (2013).

Artikel ADS PubMed Google Scholar

Koehler, MJ et al. In-vivo-Messung der menschlichen Epidermisdicke an verschiedenen Lokalisationen mittels Multiphotonen-Lasertomographie. Hautres. Technol. 16, 259–264 (2010).

PubMed Google Scholar

Rajadhyaksha, M., González, S., Zavislan, JM, Anderson, RR & Webb, RH In vivo konfokale Rasterlasermikroskopie der menschlichen Haut II: Fortschritte in der Instrumentierung und Vergleich mit der Histologie. J. Investig. Dermatol. 113, 293–303 (1999).

Artikel CAS PubMed Google Scholar

Malciu, AM, Lupu, M. & Voiculescu, VM Auf künstlicher Intelligenz basierende Ansätze zur Bildanalyse mit konfokaler Reflexionsmikroskopie in der Dermatologie. J. Clin. Med. 11, 429 (2022).

Artikel PubMed PubMed Central Google Scholar

Hames, SC, Bradley, AP, Ardigo, M., Soyer, HP & Prow, TW Auf dem Weg zur datengesteuerten Quantifizierung der Hautalterung mithilfe der konfokalen Reflexionsmikroskopie. Int. J. Kosmetik. Wissenschaft. 43, 466–473 (2021).

Artikel CAS PubMed Google Scholar

Dubois, A. et al. Konfokale optische Kohärenztomographie im Zeitbereich mit dynamischer Fokussierung. Opt. Express 26, 33534–33542 (2018).

Artikel ADS CAS PubMed Google Scholar

Rollins, AM, Kulkarni, MD, Yazdanfar, S., Ung-arunyawee, R. & Izatt, JA In vivo optische Kohärenztomographie mit Videorate. Opt. Express 3, 219 (1998).

Artikel ADS CAS PubMed Google Scholar

Dubois, A. et al. Konfokale optische Kohärenztomographie im Linienfeld zur hochauflösenden nichtinvasiven Bildgebung von Hauttumoren. J. Biomed. Opt. 23, 106007–106007 (2018).

Artikel ADS Google Scholar

Ogien, J., Levecq, O., Azimani, H. & Dubois, A. Dual-Mode-Linienfeld-konfokale optische Kohärenztomographie für ultrahochauflösende vertikale und horizontale Schnittbildgebung der menschlichen Haut in vivo. Biomed. Opt. Express 11, 1327–1335 (2019).

Artikel Google Scholar

Pedrazzani, M. et al. Vergleich von konfokalen optischen Kohärenztomographie-Linienfeldbildern mit histologischen Schnitten: Validierung einer neuen Methode zur in vivo und nicht-invasiven Quantifizierung der oberflächlichen Dermisdicke. Hautres. Technol. 26, 398–404 (2020).

Artikel PubMed Google Scholar

Ayadh, M. et al. LC-OCT-Bildgebung zur Untersuchung der Variation der morphologischen Eigenschaften der menschlichen Haut in vivo je nach Alter und Körperregion: Unterarm und Oberschenkel. Dermis https://doi.org/10.35702/derm.10002 (2022).

Artikel Google Scholar

Tognetti, L. et al. Konfokale optische Kohärenztomographie im Linienfeld: Ein neues Werkzeug für die nicht-invasive Differentialdiagnose pustulöser Hauterkrankungen. J. Eur. Acad. Dermatol. 36, 1873–1883 ​​(2022).

Artikel CAS Google Scholar

Ruini, C. et al. In-vivo LC-OCT-Bewertung des Abwärtsproliferationsmusters von Keratinozyten bei aktinischer Keratose im Vergleich zur Histologie: Erste Eindrücke aus einer Pilotstudie. Krebserkrankungen 13, 2856 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Chauvel-Picard, J. et al. Konfokale optische Kohärenztomographie im Linienfeld als Werkzeug zur dreidimensionalen In-vivo-Quantifizierung gesunder Epidermis: Eine Pilotstudie. J. Biophotonics 15, e202100236 (2022).

Artikel CAS PubMed Google Scholar

Fischman, S. et al. Nicht-invasive Bewertung zellulärer Atypien bei Keratinozytenkrebs in 3D-LC-OCT-Bildern mithilfe von Deep Learning. Wissenschaft. Rep. 12, 481 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Lintzeri, DA, Karimian, N., Blume-Peytavi, U. & Kottner, J. Epidermale Dicke bei gesunden Menschen: Eine systematische Überprüfung und Metaanalyse. J. Eur. Acad. Dermatol. 36, 1191–1200 (2022).

Artikel CAS Google Scholar

Monnier, J. et al. In-vivo-Charakterisierung gesunder menschlicher Haut mit einem neuartigen, nicht-invasiven Bildgebungsverfahren: Konfokale optische Kohärenztomographie im Linienfeld. J. Eur. Acad. Dermatol. 34, 2914–2921 (2020).

Artikel CAS Google Scholar

Böhling, A., Bielfeldt, S., Himmelmann, A., Keskin, M. & Wilhelm, K.-P. Vergleich der in vivo gemessenen Dicke des Stratum corneum mit konfokaler Raman-Spektroskopie und konfokaler Reflexionsmikroskopie. Hautres. Technol. 20, 50–57 (2014).

Artikel PubMed Google Scholar

Crowther, JM et al. Messung der Auswirkungen topischer Feuchtigkeitscremes auf Veränderungen der Dicke des Stratum Corneum, des Wassergradienten und der Hydratation in vivo. Br. J. Dermatol. 159, 567–577 (2008).

CAS PubMed Google Scholar

Huzaira, M., Rius, F., Rajadhyaksha, M., Anderson, RR & González, S. Topografische Variationen in normaler Haut, betrachtet durch konfokale In-vivo-Reflexionsmikroskopie. J. Investig. Dermatol. 116, 846–852 (2001).

Artikel CAS PubMed Google Scholar

Shuster, S., Black, MM & McVittie, E. Der Einfluss von Alter und Geschlecht auf Hautdicke, Hautkollagen und -dichte. Br. J. Dermatol. 93, 639–643 (1975).

Artikel CAS PubMed Google Scholar

Russell-Goldman, E. & Murphy, GF Die Pathobiologie der Hautalterung neue Einblicke in ein altes Dilemma. Bin. J. Pathol. 190, 1356–1369 (2020).

Artikel PubMed PubMed Central Google Scholar

Bhawan, J., Andersen, W., Lee, J., Labadie, R. & Solares, G. Lichtalterung versus intrinsische Alterung: Eine morphologische Beurteilung der Gesichtshaut*. J. Cutan Pathol. 22, 154–159 (1995).

Artikel CAS PubMed Google Scholar

Kozarova, A., Kozar, M., Minarikova, E. & Pappova, T. Identifizierung altersbedingter Hautveränderungen mittels Hochfrequenz-Ultraschall. Acta Med. Martiniana 17, 15–20 (2017).

Artikel Google Scholar

Caetano, L., de Soares, JLM, Bagatin, E. & Miot, HA Zuverlässige Beurteilung der Lichtalterung des Unterarms durch Hochfrequenz-Ultraschall: Eine Querschnittsstudie. Int. J. Kosmetik. Wissenschaft. 38, 170–177 (2016).

Artikel Google Scholar

Waller, JM & Maibach, HI Alter und Hautstruktur und -funktion, ein quantitativer Ansatz (I): Blutfluss, pH-Wert, Dicke und Ultraschallechogenität. Hautres. Technol. 11, 221–235 (2005).

Artikel PubMed Google Scholar

Sandby-møller, J. & Wulf, HC Ultraschall-subepidermales echoarmes Band, Abhängigkeit von Alter und Körperstelle. Hautres. Technol. 10, 57–63 (2004).

Artikel PubMed Google Scholar

Firooz, A. et al. Der Einfluss von Geschlecht und Alter auf die Dicke und Echodichte der Haut. Hautres. Technol. 23, 13–20 (2017).

Artikel CAS PubMed Google Scholar

Pena, A.-M. et al. In vivo Multiphotonen-multiparametrische 3D-Quantifizierung der menschlichen Hautalterung an Unterarm und Gesicht. Wissenschaft. Rep. 12, 14863 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Shirata, MMF, Alves, GAD & Campos, PMBGM Lichtbedingte Hautveränderungen in verschiedenen Altersgruppen: Eine klinische Bewertung durch biophysikalische und bildgebende Verfahren. Int. J. Kosmetik. Wissenschaft. 41, 265–273 (2019).

Artikel Google Scholar

Wurm, EMT et al. In-vivo-Beurteilung der chronologischen Alterung und Lichtalterung der Unterarmhaut mittels konfokaler Reflexionsmikroskopie: Beurteilung der chronologischen Alterung und Lichtalterung mittels RCM. Br. J. Dermatol. 167, 270–279 (2012).

Artikel CAS PubMed Google Scholar

Lee, Y. & Hwang, K. Hautdicke koreanischer Erwachsener. Surg. Radiol. Anat. 24, 183–189 (2002).

Artikel CAS PubMed Google Scholar

Josse, G., George, J. & Black, D. Automatische Messung der epidermalen Dicke aus Bildern der optischen Kohärenztomographie unter Verwendung eines neuen Algorithmus. Haut. Res. Technol. 17, 314–319 (2011).

Artikel CAS PubMed Google Scholar

Pouradier, F. et al. Funktionelle und strukturelle altersbedingte Veränderungen der Kopfhaut kaukasischer Frauen. Haut. Res. Technol. 19, 384–393 (2013).

Google Scholar

Querleux, B. et al. Haut unterschiedlicher ethnischer Herkunft und Alterung: Eine multimodale In-vivo-Querschnittsstudie zur Bildgebung. Haut. Res. Technol. 15, 306–313 (2009).

Artikel PubMed Google Scholar

Tsugita, T., Nishijima, T., Kitahara, T. & Takema, Y. Positionsunterschiede und altersbedingte Veränderungen bei der Epidermis- und Hornhautdicke japanischer Frauen, bestimmt durch OCT (optische Kohärenztomographie). Hautres. Technol. 19, 242–250 (2012).

Artikel Google Scholar

Longo, C. et al. Vorschlag für ein in vivo histopathologisches Bewertungssystem für Hautalterung mittels konfokaler Mikroskopie. Ski. Res. Technol. 19, e167–e173 (2013).

Artikel ADS Google Scholar

Kim, HJ et al. Die Hautmatrix beeinflusst die Transluzenz des einfallenden Lichts auf der Haut. Ski. Res. Technol. 21, 41–46 (2015).

Artikel CAS Google Scholar

Campos, PMBGM, Melo, MO & Mercurio, DG Einsatz fortschrittlicher Bildgebungstechniken zur Charakterisierung fettiger Haut. Vorderseite. Physiol. 10, 254 (2019).

Artikel Google Scholar

Stamatas, GN, Nikolovski, J., Luedtke, MA, Kollias, N. & Wiegand, BC Die in vivo beurteilte Mikrostruktur der Haut von Säuglingen unterscheidet sich von der Haut von Erwachsenen in der Organisation und auf zellulärer Ebene. Pädiatr. Dermatol. 27, 125–131 (2010).

Artikel PubMed Google Scholar

Bensaci, J., Chen, ZY, Mack, MC, Guillaud, M. & Stamatas, GN Die geometrische und topologische Analyse konfokaler In-vivo-Mikroskopiebilder zeigt die dynamische Reifung epidermaler Strukturen während der ersten Lebensjahre. J. Biomed. Opt. 20, 095004–095004 (2015).

Artikel ADS PubMed Google Scholar

Shahriari, N., Grant-Kels, JM, Rabinovitz, H., Oliviero, M. & Scope, A. Konfokale Reflexionsmikroskopie. Teil II. Diagnosekriterien für häufige gutartige und bösartige Neubildungen, dermatoskopische und histopathologische Korrelate wichtiger konfokaler Kriterien und diagnostische Algorithmen. Marmelade. Acad. Dermatol. 84, 17–31 (2020).

Artikel PubMed Google Scholar

Gareau, D., Hennessy, R., Wan, E., Pellacani, G. & Jacques, SL Automatisierte Erkennung bösartiger Merkmale in der konfokalen Mikroskopie bei oberflächlich sich ausbreitenden Melanomen im Vergleich zu Nävi. J. Biomed. Opt. 15, 061713-061713–061810 (2010).

Artikel Google Scholar

Koehler, MJ et al. Keratinozytenmorphologie der menschlichen Haut, bewertet durch In-vivo-Multiphotonen-Lasertomographie. Hautres. Technol. 17, 479–486 (2011).

Artikel CAS PubMed Google Scholar

Decencière, E. et al. Automatische 3D-Segmentierung von Multiphotonenbildern: Ein wichtiger Schritt zur Quantifizierung der menschlichen Haut. Hautres. Technol. 19, 115–124 (2013).

Artikel PubMed Google Scholar

Ogien, J., Daures, A., Cazalas, M., Perrot, J.-L. & Dubois, A. Konfokale optische Kohärenztomographie mit Linienfeld für die dreidimensionale Hautbildgebung. Vorderseite. Optoelektron. 13, 381–392 (2020).

Artikel PubMed PubMed Central Google Scholar

Liu, X., Chuchvara, N., Liu, Y. & Rao, B. Echtzeit-Deep-Learning unterstützte die Hautschichtabgrenzung in der dermalen optischen Kohärenztomographie. OSA Fortsetzung. 4, 2008 (2021).

Artikel PubMed PubMed Central Google Scholar

Ronneberger, O., Fischer, P. & Brox, T. U-Net: Faltungsnetzwerke für die biomedizinische Bildsegmentierung. arXiv (2015). https://doi.org/10.48550/arxiv.1505.04597

Timár, F., Soós, G., Szende, B. & Horváth, A. Interdigitationsindex – Ein Parameter zur Unterscheidung zwischen jungen und älteren Hautproben: Interdigitationsindex. Hautres. Technol. 6, 17–20 (2000).

Artikel PubMed Google Scholar

Weigert, M., Schmidt, U., Haase, R., Sugawara, K. & Myers, G. Sternkonvexe Polyeder für die 3D-Objekterkennung und -segmentierung in der Mikroskopie. In: 2020 IEEE Winter Conference on Application of Computer Vision Wacv, 3655–3662 (2020).

Krishnapuram, B. et al. XGBoost. In Proceedings of the 22nd acm Sigkdd International Conference on Knowledge Discovery and Data Mining 785–794 (2016). https://doi.org/10.1145/2939672.2939785

Referenzen herunterladen

LVMH Research, 185 Avenue de Verdun, 45804, Saint Jean de Braye, Frankreich

Franck Bonnier, Samuel Ralambondrainy, Jean-Hubert Cauchard und Rodolphe Corichi

DAMAE Medical, 14 Rue Sthrau, 75013, Paris, Frankreich

Mélanie Pedrazzani, Sébastien Fischman & Théo Viel

DERMATECH, 8 Rue Jacqueline Auriol, 69008, Lyon, Frankreich

Agnes Lavoix, Didier Pegoud, Meryem Nili und Yolande Jimenez

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung: KR, LA, NM, JY; Datenkuration: BF, NM, JY, PD; Formale Analyse: BF, FS, VT, PM, RS; Finanzierungseinwerbung: KR, CJH; Untersuchung: NM, JY, PD; Methodik: KR, LA; Projektverwaltung: KR, LA; Ressourcen: KR, CJH; Aufsicht: KR, LA, NM; Validierung: LA, NM; Visualisierung: BF, PM; Schreiben – Vorbereitung des Originalentwurfs: BF, PM; Schreiben – Rezension und Bearbeitung: BF, PM.

Korrespondenz mit Franck Bonnier.

PM, FS und VT sind Mitarbeiter bei DAMAE Medical. Sie haben im Rahmen einer Zusammenarbeit mit LVMH Recherche zu dieser Arbeit beigetragen, um Tools für die Analyse von 3D-LC-OCT-Bildern zu entwickeln. Alle anderen Autoren erklären keine Interessenkonflikte. BF, RS, CJH und KR sind Mitarbeiter bei LVMH Recherche. LA, PD, NM und JY sind Mitarbeiter bei DERMATECH, einem Auftragsforschungsunternehmen, das klinische Studien durchführt. Die klinische Studie wurde von LVMH Recherche finanziert.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Bonnier, F., Pedrazzani, M., Fischman, S. et al. Konfokale optische Kohärenztomographie im Linienfeld gekoppelt mit Algorithmen der künstlichen Intelligenz zur Identifizierung quantitativer Biomarker der Gesichtshautalterung. Sci Rep 13, 13881 (2023). https://doi.org/10.1038/s41598-023-40340-0

Zitat herunterladen

Eingegangen: 25. April 2023

Angenommen: 09. August 2023

Veröffentlicht: 24. August 2023

DOI: https://doi.org/10.1038/s41598-023-40340-0

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.