技术领域
本发明涉及用于客观和定量的红斑记录和分析的方法。特别地，本发明涉及用于评 估受试者的红斑的方法，包括步骤：测量受试者的皮肤或粘膜区的光反射系数，根据L*a*b*颜色空间获得所述测量的L*值和a*值，并且根据公式(L*max-L*)×a*计算红斑值。此外，本 发明涉及通过根据本发明计算红斑值来评估受试者出现由于照射而造成的红斑的风险的 方法；用于预测受试者由于照射出现红斑的强度的相应方法；用于预测到受试者出现由 于照射造成红斑的时间的相应方法；用于测试药物或美容制剂造成或治疗受试者的红斑 的能力的相应方法；以及用于测试药物或美容制剂改善受试者的红斑外观的能力的相应 方法。本发明还涉及用于分析受试者的皮肤颜色的方法、用于基于公式(L*max-L*)×a*记录 或分析受试者的伤口或伤口愈合的方法。另一方面，本发明涉及基于公式(L*max-L*)×a*分 析肉类的方法。
发明背景
皮肤或粘膜炎症常常表现为红斑。红斑常常与尿疹、痤疮、皮炎、湿疹及其它皮肤 或粘膜状况有关。红斑的另一个例子是放射性皮炎，这是与长期暴露于电离辐射相关联 的炎性皮肤反应。
放射性皮炎某种程度上在接受放射治疗的大多数患者(有或没有化疗)当中发生。在严重的情况下，它导致放射治疗的停止。急性放射性皮炎是放疗的最常见副作用之一。这种反应的病理(pathoethiological)原因与在放射治疗期间(Beckmann和Flohé，1981)和化疗过程中(等人，2010)导致的大量ROS的产生有关。这种电离辐射可导致95％患者的急性皮炎，其中87％的患者在治疗期间或结束时有中度至重度的放射性皮炎(McQuestionM2006)。皮肤反应的严重程度从中度红斑至水肿或深度溃疡。这种反应的发生取决于与治疗有关的各方面(照射的质量、每部分的剂量、累积剂量、部分方案、治疗区域的尺寸、伴随治疗、预照射、照射区域的定位)以及与患者有关的各方面(皮肤类型、对照射的敏感度、伴随疾病)。瘙痒、红斑、皮肤扩张、上皮溶解(epitheliolysis)和疼痛不仅影响生活质量，而且有造成开放性伤口感染的风险。因此，这可能导致治疗中断或RTX的停止，以及随后计划的系统治疗的较长推迟。因此，这些皮肤毒性的早期发现、精确记录和治疗是非常重要的。
此外，到现在为止还没有可靠的预后参数可用来预测放射治疗时出现放射性皮炎的 风险。根据历史数据，乳房尺寸、吸烟史、身体质量指数(BMI)以及诸如糖尿病、类 风湿关节炎和高血压的合并症被怀疑与癌症放射疗法过程中放射性皮炎出现的增加的风 险相关联(FernandoIN等人，ClinOncol1996；8:226-233)。但是，公布的数据是有争议 的。根据最近对乳腺癌患者的单盲随机III期试验，没有观察到皮炎与BMI或乳房尺寸 之间的关联(PinnixC等人，IntJRadiatOncolBiolPhys，2012年07月15；83(4)：1089-94)， 而且这也通过我们自己的数据得到证实。此外，根据我们自己的数据，根据Fitzpatrick 标度(1-2对3-4)的照射场尺寸(cm2)和基本肤色与出现2级皮炎的风险没有关联(基 于CTCAE，下面进一步描述)。但是，通过确定或调整照射剂量和持续时间，预后标志 将允许防止或减少放射性皮炎，并且还允许预测到需要给予预防和/或治疗之前的时间。
到目前为止，红斑在临床上主要是由医生通过主观观察来评估的。例如，根据严重 程度，由美国肿瘤放射治疗协作组(RadiationTherapyOncologyGroup)(RTOG)和美 国国家癌症研究所(NationalCancerInstitute)(NCI)开发的分类系统不良反应常见术 语标准(CommonTerminologyCriteriaforAdverseEffects)(CTCAEv.4.03)将皮肤反 应和其它不良事件分为5个等级。这个分级系统已被用于许多临床试验。但是，所述当 前临床分类系统的缺点是主要基于皮肤状况的主观评估，这会在评估者之间有很大变化 并且甚至会在一天的过程中或数天之间在一个评估者当中有所不同。这种方法的另一个 缺点是只有5个等级的分类。因此，如对于例如局部用药的有效性临床比较所需的皮肤 状况的微小差别不能得到充分指示。
对于红斑的更为客观的评估，已经使用了几种设备。例如，使用色度计分析血红蛋 白，因为皮肤或粘膜红斑主要是由于血管舒张和血红蛋白浓度的局部增加而形成的。色 度计给出用于颜色评价的标准化参数值：L*、a*、b*，其中a*被用作“红色”成分的指标， 并且因此与红斑相关。
也已经使用了分光光度计基于漫反射光谱来分析血红蛋白，据此，收集从皮肤反射 的光并进行分析至其光谱分量。光谱分析算法已经被用于计算发色团的浓度，包括氧合 血红蛋白和脱氧血红蛋白(与红斑有关)。对于给出红斑指标，诸如色素皮肤分析仪 (Mexameter)的各种光反射系数设备也是已知的。
皮肤的数字彩色图像的分析也被用于分析红斑。
这种方法在例如US8,150,501和Jung等人于2005年在LasersinSurgeryandMedicine 37:186-191(《激光手术及医学》，37:186-191)发表的文章中或者US8,150,501和Jung 等人于2004年在LasersinSurgeryandMedicine34:174-181(《激光手术及医学》， 34:174-181)中发表的文章中有所描述。
用于红斑的评估的另一种成像分析工具是来自OptoBioMed公司的DermaVision系统 (http://www.optobiomed.co.kr/，也见于专利申请KR2003083623)。
伤口愈合分析工具(W.H.A.T.)是评估伤口愈合的基于计算机的方法(参见例如， T.Wild,M.Prinz,N.Fortner,W.Krois,K.Sahora,S.StremitzerandT.Hoelzenbein(2008). "Digitalmeasurementandanalysisofwoundsbasedoncoloursegmentation".European Surgery40(1):5-10；以及S.StremitzerundT.Wild(2007)."DigitaleWundanalysemit W.H.A.T.(WoundHealingAnalyzingTool):ManualderWundheilung.15-22；以及 http://what-tool.com)。W.H.A.T.系统是基于对参数(诸如颜色)的某些阈值水平，这允 许伤口段的分类和尺寸确定(例如，伤口中心、伤口边界)并且因此，允许基于中央伤 口区域的尺寸减小的评估来记录伤口愈合，这是由某些阈值参数来定义的。
Nischek等人(IEEETransactionsonMedicalImaging,vol16,no6,1997)通过使用真 彩色图像分析皮肤红斑。Hirotsugu(TheJournalofMedicalInvestigation,vol44,1998, pages121-126)公开了在皮肤颜色测量中使用的方法。文献US2005/030372Al(Jung等 人)公开了用于评估受试者的红斑的方法。
所有上述方法都能够识别红斑或皮肤发红并能够定义红斑的区域。但是，这些技术 在红斑强度的评估上显示出大量缺陷。特别是，现有技术的方法不允许各个等级炎症的 可靠定量测量或者几种红斑强度之间的区分，尤其不适合相当低或高强度的红斑。因此， 现有技术的方法既没有提供用于红斑的可靠测量以及在整个强度范围内与此相关的影响 皮肤的变化，也没有提供在不同的观察期将红斑评估和红斑记录与用于远程监控个体受 试者或受试者区域的可能性联系起来的创新计算技术。
相应地，迫切需要减少这些观察器之间或内部的变化性以及在整个强度范围和变化 的观察时间用于红斑程度的灵敏和定量评估的新颖客观方法以及创新计算评估和监控工 具。
发明的简要说明
在第一方面，本发明涉及用于评估受试者的红斑的方法，包括步骤：
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
在第二方面，本发明涉及用于评估受试者出现由于照射造成的红斑的风险的方法， 包括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将基线红斑值与受试者出现由于照射造成的红斑的风险关联起来。
在第三方面，本发明涉及用于预测受试者由于照射出现的红斑强度的方法，包括如 上所述的步骤，以及将基线红斑值与受试者出现由于照射造成的红斑的强度关联起来。
在第四方面，本发明涉及用于预测到受试者由于照射出现红斑之前的时间的方法， 包括如上所述的步骤，以及将基线红斑值与受试者出现由于照射造成的红斑之前的时间 反相关关联起来。
在第五方面，本发明涉及用于测试药物或美容制剂造成或治疗受试者的红斑的能力 的方法，包括步骤：
-在药物或美容制剂的给药之前和之后，测量受试者的皮肤或粘膜区域的光反射系 数，
-根据L*a*b*颜色空间获得每次测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算用于每次测量的红斑值。
在第六方面，本发明涉及用于测试药物或美容制剂改善受试者的红斑外观的能力的 方法，包括如上所述的步骤。
在第七方面，本发明涉及用于分析受试者的皮肤颜色的方法，包括步骤
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算皮肤发红值。
附图的简要说明
图1：L*a*b*颜色空间的图形表示。
图2：原始照片和基于a*值和基于采用用于改进可视化的红斑的新颖算法计算的红 斑值的伪灰度级图像。
图3：L*a*b*参数及其随治疗时间的变化。
图4：随治疗时间的红斑值(A)和与主观评估的放射性皮炎等级的关联(B)。
图5：随治疗时间的红斑值，分成了等级2(A)和等级0-1(B)放射性皮炎的患者 群体。用于等级2和3的红斑阈值是基于主观的红斑等级给出的。
图6：红色梯度(A)和根据L*a*b*颜色空间基于具有每通道8位的图像计算出的成 像变体(B)。
图7：包括颜色梯度以及作为所述红色梯度的基础的RGB和L*a*b*颜色空间的所有 的值的表。
图8：黄色梯度(A)和根据L*a*b*颜色空间基于具有每通道8位的图像计算出的成 像变体(B)。
图9：包括颜色梯度以及作为所述黄色梯度的基础的RGB和L*a*b*颜色空间的所有 的值的表。
图10：利用集成发明性方法的软件应用来分析I期试验的荚状痣区域的红斑值(A) 以及被分析的红斑值依赖于时间的变化(B)。
具体实施方式
本发明提供了用于分析皮肤颜色的方法和用于基于测量皮肤或粘膜区域的光反射系 数并且通过使用新颖公式分析所述测量以便计算红斑值来评估红斑的方法。皮肤发红或 红斑值在整个强度范围上对皮肤发红或红斑提供了客观、连续的测量。相应地，皮肤发 红红斑值越高，红斑的强度越高。
如本文所使用的，术语“红斑”可以包括任何皮肤或粘膜发红，或者皮肤或粘膜刺 激，或皮肤损害。例如，红斑可以包括皮炎(例如，放射性皮炎)、湿疹、上皮溶解、 脱屑、发红、潮红和/或皮疹。红斑还可以包括任何类型的红斑，诸如火激红斑、慢性游 走性红斑、硬结性红斑、传染性红斑、边缘性红斑、游走性红斑、多形性红斑、结节性 红斑、毒性红斑、角质层分离冬红斑、掌红斑，Stevens-Johnson综合征和中毒性表皮坏 死松解症(TEN，也被称为“Lyell综合症”)和痣斑痣瘀斑。术语“红斑”还指皮肤损 伤或伤口。术语“红斑”还可以包括任何阶段的伤口，即，新鲜伤口，以及在伤口愈合 的不同阶段的伤口。
红斑会影响皮肤或粘膜的一层或多层，例如表皮的一层或多层；和/或真皮的一层或 多层；或者粘膜的一层或多层，例如粘膜上皮(层状上皮粘膜)和/或层状或结缔组织(例 如，巩膜；眼结膜)。
如在我们的发明性方法中所使用的，术语“使用软件应用”可以在任何情况下被识 别和理解为可互换地用于使用软件app，或者使用应用程序或使用应用或使用app或软件 工具或web软件，或者更一般而言，使用允许执行那些超越电脑本身运行的有用任务的 任何软件，从而允许集成我们的发明性计算方法。
在第一方面，本发明涉及用于评估受试者的红斑的方法，包括步骤：
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
在第二方面，本发明涉及用于评估受试者出现由于照射造成的红斑的风险的方法， 包括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将所述基线红斑值与受试者出现由于照射造成的红斑的风险关联起来。
在第三方面，本发明涉及用于预测受试者由于照射出现的红斑强度的方法，包括步 骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将所述基线红斑值与受试者出现由于照射造成的红斑的强度关联起来。
在第四方面，本发明涉及用于预测到受试者由于照射出现的红斑之前的时间的方法， 包括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将所述基线红斑值与受试者出现由于照射造成的红斑之前的时间反相关关联起 来。
在第二、第三和第四方面的实施例中，在照射之前测量受试者的皮肤或粘膜区域的 光反射系数。关于所述实施例，术语“在照射之前”指在照射暴露开始之前或者在照射 开始的时间点，即，在第一次照射之前，这可以是几次后续照射过程中的第一次照射。 相应的红斑值是基于所述基线测量来计算的并且是基线红斑值。受试者的皮肤或粘膜区 域的光反射系数可以在照射之前的两个或更多个时间点测量，并且可以计算相应的平均 基线红斑值。在第二、第三和第四方面的实施例中，在照射之后的一个或多个时间点测 量受试者的皮肤或粘膜区域的光反射系数。关于所述方面的术语“在照射之后”指在照 射的初始阶段内的一个或多个时间点，特别是，在前几次暴露给照射的阶段期间，或者 在放射治疗的前几天。例如，在放射治疗的第一周内的一天或多天测量受试者的皮肤或 粘膜区域的光反射系数。所述一个或多个红斑值是基于所述初始测量来计算的，并且可 以定义为初始红斑值。
如在本文所使用的，术语“关联”指红斑值与各个其它参数的直接关系。例如，受 试者的基线红斑值越高，受试者出现由于照射造成的红斑的风险和/或受试者由于照射出 现的红斑的强度越高。
如在本文所使用的，术语“反相关关联(inverselycorrelating)”指的是红斑值 与各个其它参数的成反比关系。例如，受试者的基线红斑值越高，到受试者出现由于照 射造成的红斑之前的时间越短，或者，受试者的基线红斑值越低，到受试者出现由于照 射造成的红斑之前的时间越长。
可以计算所述基线红斑值和/或初始红斑值之间的梯度，例如，在基线红斑值与一个 或多个所述初始红斑值之间，或者在两个或更多个所述初始红斑值之间。基线红斑值， 以及所述梯度，可以与出现由照射造成的红斑的风险、由照射造成的红斑的强度关联起 来，或者可以与到受试者出现由于照射造成的红斑之前的时间成反相关关联起来。相应 地，基线红斑值，或者两个或更多个红斑值之间的梯度，或者这二者的组合可以用来评 估或预测这些参数。在一个实施例中，在照射之前并且在照射之后的一个或多个时间点 测量光反射系数，计算两个或多个红斑值之间的梯度，并且将所述梯度与受试者出现由 于照射造成的红斑的风险或者到受试者出现由于照射造成的红斑的强度关联起来，或者 与到受试者出现由于照射造成的红斑之前的时间成反相关关联起来。在另一种实施例中， 受试者出现由于照射造成的红斑的风险、受试者出现由于照射造成的红斑的强度或者受 试者出现由于照射造成的红斑之前的时间是基于基线红斑值并且基于两个或更多个红斑 值之间的梯度来评估或预测的。
在一种实施例中，基于一个或多个基线红斑值和/或初始红斑值，对所有三个参数给 出用于受试者的预后。相应地，受试者出现由于照射造成的红斑的风险是根据本发明基 于计算基线红斑值和/或初始红斑值并且将其与所述风险关联起来进行评估的，受试者出 现由于照射造成的红斑的强度是根据本发明基于计算基线红斑值和/或初始红斑值并且 将其与所述强度关联起来进行预测的，并且受试者出现由于照射造成的红斑之前的时间 是根据本发明基于计算基线红斑值和/或初始红斑值并且将其与所述时间反相关关联起 来进行预测的。
在第五方面，本发明涉及用于测试药物或美容制剂造成或治疗受试者的红斑的能力 的方法，包括步骤：
-在所述药物或美容制剂给药之前和之后，测量受试者的皮肤或粘膜区域的光反射 系数，
-根据L*a*b*颜色空间获得每次测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算用于每次测量的红斑值。
在第六方面，本发明涉及用于测试药物或美容制剂改善受试者的红斑外观的能力的 方法，包括步骤：
-在所述药物或美容制剂给药之前和之后，测量受试者的皮肤或粘膜区域的光反射 系数，
-根据L*a*b*颜色空间获得每次测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算用于每次测量的红斑值。
在第五或第六方面的实施例中，在药物或美容制剂给药之前至少测量一次并且在药 物或美容制剂给药之后一个或多个时间点测量所述受试者的皮肤或粘膜区域的光反射系 数，并且为每次测量计算红斑值。关于所述各方面的术语“在所述药物或美容制剂给药之 后”指的是药物或美容制剂给药时段之内和/或之后的一个或多个时间点。例如，在药物或 美容制剂的单次或重复给药之后的一个或多个时间点测量皮肤或粘膜区域的光反射系 数。皮肤或粘膜区域的光反射系数也可以在药物或美容制剂给药时段之后的一个或多个 时间点测量，即，当药物或美容制剂不再给药时。可以确定两个或更多个所述红斑值之 间的梯度，例如，两个或更多个后续的测量值或红斑值之间，或者在治疗或观察期间两 个或更多个测量值或红斑值之间。在给药期间两个或更多个红斑值之间红斑值的增加指 示红斑的发展，即，药物或美容制剂造成红斑，或者对于防止红斑是无效的。在给药期 间两个或更多个红斑值之间红斑值没有显著变化指示稳定的皮肤或粘膜状况，即，药物 或美容制剂没有造成红斑，其对防止红斑有效、对治疗红斑无效，或者对于改善红斑的 外观无效。在给药期间两个或更多个红斑值之间红斑值的减小指示红斑的消退，即，药 物或美容制剂对治疗红斑或者对改善红斑的外观有效。
在第六方面的实施例中，测试了美容产品的不透明性。美容产品可以是化妆品、粉 底、蜜粉、伪装、遮瑕用粉条或遮瑕膏。应用产品后红斑值的减小指示该美容产品对于 覆盖红斑是有效的。
在第七方面，本发明提供了用于分析受试者的皮肤颜色的方法，包括步骤：
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算皮肤发红值。
在以上给出的本发明的主要方面，术语“皮肤颜色”指包括任何红色阴影(尤其是皮 肤发红或粘膜发红)的皮肤或粘膜或结膜颜色。这种皮肤发红包括健康的皮肤或粘膜或 结膜以及皮肤或粘膜或结膜的刺激，诸如像红斑。相应地，术语“皮肤发红值”指的是基 于皮肤或粘膜颜色的测量计算的值。例如，皮肤发红值可以定义为红斑值并且，参照这 个方面，红斑值的局部或时间依赖的差异可以用来客观地分析和解释对于受试者的黄褐 斑或雀斑样痣或恶性雀斑样痣或汗斑的变化。
在另一方面，定义“皮肤颜色”指包括红斑阴影的皮肤或粘膜或结膜颜色，并且还包 括黄色色素沉着的阴影，尤其是在皮肤或巩膜(眼白)中。这种微黄的皮肤色素沉着包 括在皮肤血肿的正常愈合过程中或者可以在威胁生命的疾病(例如，黄疸(Jaundice)) 的情形下观察到。轻微增加的胆红素水平(血红素代谢的黄色分解产物)，在巩膜中在 大约2至3mg/dL(34至51μmol/L)的胆红素水平，在视觉上是非常明显的，但是，由 于正常皮肤色素沉着造成的遮盖效果，为了可靠的皮肤黄疸评估，需要高得多的胆红素 水平。而正常的皮肤色素沉着在我们的方法中是通过获得L*和b*值并且根据公式(L*max- L*)×b*计算皮肤或粘膜的黄色值来获得的，从而提供用于随时间对受试者的黄疸分级和 发展的客观记录和评估的新颖灵敏且非侵入式的方法。
在另一方面，本发明方法可用来评估美容制剂晒黑受试者皮肤的能力，即，测试皮 肤晒黑制剂。相应地，皮肤发红值(包括亮度的信息，即，还考虑皮肤晒黑)是基于皮 肤晒黑制剂给药或使用之前和之后对一个或多个治疗区域的测量来计算的。在所述实施 例中，参照区域可以是非治疗区域(即，未被美容制剂覆盖)的区域。
在更长远的一方面，本发明方法可用来分析肉类。
在本发明的一种实施例中，受试者是人。在一个实施例中，人是白种人。在另一个 实施例中，受试者是非人类动物。该非人类动物可以是选自非人灵长类、猪、啮齿动物 或兔子的非人类哺乳动物。在一实施例中，受试者是猪，诸如迷你猪。在另一个实施例 中，受试者是裸鼠。在一个实施例中，受试者是接受放射治疗的人类女性乳腺癌患者。 乳腺癌患者可以接受过手术，例如乳房保留手术。在一个实施例中，受试者是接受放射 治疗的人类头部和颈部癌症(HNC)患者。HNC患者可以接受过手术。在一实施例中， 受试者接受化疗。
在一实施例中，受试者正在或者将用会造成红斑或很容易出现红斑的疗法进行治疗。 在另一个实施例中，受试者正在或者将用会造成红斑或很容易出现红斑的疗法进行治疗， 并且正在或者将用防止红斑的疗法进行治疗。在又一个实施例中，受试者患有红斑并且 正在或者将用可以治疗红斑和/或改善红斑外观的疗法进行治疗。
在一实施例中，受试者正在或者即将暴露于照射，或者患有或者容易产生放射性皮 炎或晒伤。
在一个实施例中，受试者正在或者将用细胞毒性药物进行治疗，诸如像氟尿嘧啶、 卡培他滨、阿糖胞苷、索拉非尼或聚乙二醇化脂质体阿霉素(Doxil)，或酪氨酸激酶抑 制剂(例如，索拉非尼和舒尼替尼)。例如，受试者会遭受或容易产生掌足红肿疼痛或 手足综合征。
在一实施例中，受试者正在或者将用会造成红斑的药物进行治疗，诸如像抗生素(磺胺类、青霉素类、头孢克肟)、巴比妥酸盐、拉莫三嗪、苯妥英(例如，大仑丁)、非类固醇消炎药(NSAIDs)；或者EGFR抑制剂。例如，受试者正在或者将用抗EGFR抗体疗法进行治疗，尤其是利用西妥昔单抗
在一实施例中，受试者正在或者将暴露于一种或多种过敏原，诸如像用于过敏原测 试的各种过敏原、漆酚(由毒藤和毒橡树生产的树脂)、青霉素、乳胶，或者黄蜂、火 蚁和蜜蜂蜇伤。
在一实施例中，受试者患有真菌感染，诸如像癣(金钱癣)或念珠菌。
在一实施例中，受试者患有细菌感染，例如，被葡萄球菌、链球菌感染，或者被密 螺旋体疾病(诸如像梅毒、非性病梅毒、品他病和雅司病)感染。
在一实施例中，受试者患有病毒感染，其可以选自带状疱疹、风疹、疱疹、手足口 病、肠道病毒感染、水痘感染或被红细胞病毒属(传染性红斑或第五病)感染。
在一实施例中，受试者患有皮肤病，其可以选自银屑病、特应性湿疹或特应性皮炎 (神经性皮炎)、湿疹或痤疮。
在一实施例中，受试者患有影响内部或外部粘膜的疾病，例如口腔、鼻腔或肠道黏 膜。例如，受试者患有炎性肠病症、克罗恩病(或克隆氏病)、口疮性口炎、结膜炎、 慢性阻塞性肺病、消化性溃疡、酒精滥用或胃炎。
在一实施例中，受试者患有身体症状性疾患，诸如脸红。
在一实施例中，受试者将具有或已有一个或多个伤口。所述伤口可以是任何来源(例 如，手术或损伤)，以及任何阶段，即新鲜伤口或处于在伤口愈合的任何阶段的伤口。 伤口是一种损伤，其中皮肤被撕裂、切开或刺破(开放性伤口)，或者其中钝力外伤导 致挫伤(封闭伤口)。特别地，伤口是损害皮肤的表皮和/或真皮的损伤。但是，伤口也 可以是粘膜伤痕或损伤。一般而言，伤口会影响皮肤或粘膜的一层或多层，例如，表皮 的一层或多层和/或真皮的一层或多层；或粘膜的一层或多层，例如粘膜上皮(层状上皮 粘膜)和/或固有层。
因此，一方面，本发明可以用于随时间的推移记录或分析受试者的伤口或伤口愈合 或者用于记录受试者的皮肤或粘膜或结膜的血肿强度或血肿发生。这可以利用本发明方 法进行，包括步骤：
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
在一个实施例中，皮肤或粘膜区域是皮肤区域。在另一个实施例中，皮肤或粘膜区 域是粘膜区域。粘膜区域可以是外部或内部粘膜，例如鼻、口腔、肠黏膜。在一实施例 中，皮肤或粘膜区域是包括一个或多个段区域的总区域。在所述实施例中，本发明的方 法的每个步骤对每个段区域单独进行。相应地，红斑值是根据本发明为每个段区域计算 的。
在一个实施例中，红斑值或任何其它皮肤颜色值可以为每个子区域单独进行计算。 子区域可以是如下所述的子区域，或者–如果皮肤或粘膜区域的光反射系数是通过获得 图像来测量的，则子区域也可以是所述图像的单个像素，即，红斑值是为一个或多个单 个像素计算的。相应地，平均红斑值或任何其它的皮肤颜色值的均值可以关于图像的一 个或多个单个像素、总区域和/或段区域来计算。
段区域可以是红斑区域(或红斑区域的代表性部分)。在一个实施例中，红斑区域 是易于发生红斑的区域，其中红斑例如可以由疾病和/或治疗引起，如下文进一步描述的。 在另一个实施例中，红斑区域的特征在于红斑。所述红斑可以是由于疾病和/或治疗引起 的，如下面进一步描述的。在这种情况下，术语“治疗”必须理解为受试者的需要的治疗 性治疗，它可以是受试者的局部治疗(例如，受试者的皮肤或粘膜区域)或全身治疗(例 如，利用抗EGFR抗体的治疗)。相应地，在一实施例中，容易发生红斑或者特征在于 红斑的段区域可以是局部治疗的被分析治疗区域，或者是红斑在全身治疗时发生的被分 析区域。
被分析的段区域也可以是治疗区域(或者治疗区域的代表性部分)，即，正在或者 将接受物理和/或化学治疗，例如利用照射(包括但不限于x射线、紫外线和/或太阳光照 射)，和/或利用药物制剂和/或美容制剂的被分析区域。在一个实施例中，被分析的红斑 区域也是治疗区域。在一实施例中，所述照射是放射疗法，尤其是分割放疗。
被分析的段区域也可以是参照区域(或者是参照区域的代表性部分)。所述参照区 域可以是相同受试者的区域。在一实施例中，参照区域可以是除被评估的受试者之外的 一个或多个受试者的区域。所述不同受试者可以是同一人种(例如白种人)、具有相同 或相似的皮肤颜色，和/或具有相同的皮肤类型(例如，根据Fitzpatrick皮肤标度)。在 一实施例中，所述不同受试者具有相同类型的皮肤状况，例如红斑。在又一个实施例中， 所述不同受试者患有相同或相似的疾病和/或经历相同或相似的治疗。相应地，为了与受 试者的测量进行比较，可以生成两个或更多个参照红斑值的参照曲线。一般而言，对于 红斑值的任何比较(例如，与参照值)，两个或更多个红斑值之间曲线下方的区域可以 被确定并与例如两个或更多个参照红斑值的曲线下方的区域进行比较。
此外，参照区域可以是类似于红斑和/或治疗区域的区域，即，身体的相同或相似区 域，和/或具有相同或类似的性质(例如，具有相似的颜色和/或形状)。在一个实施例中， 参照区域与要进行比较的段区域相邻，例如红斑和/或治疗区域。在一个实施例中，参照 区域与要进行比较的段区域(例如红斑和/或治疗区域)具有相同的尺寸。为参照区域计 算的红斑值也可以称为参照红斑值。在一实施例中，参照区域不是红斑区域，例如，如 果本发明的方法被用来评估会引起红斑的治疗。在所述实施例中，参照区域的特点不是 红斑，即，没有红斑。例如，参照区域可以是在用可能引起红斑的制剂或者治疗进行治 疗之前，因此在红斑出现之前，的治疗区域。在一个实施例中，参照区域不是治疗区域。 在一个例子中，参照区域完全不治疗。在另一个实施例中，参照区域利用安慰剂或者利 用参照疗法来治疗，诸如像金标准治疗或者有竞争性或有可比性的产品。在另一个实施 例中，参照区域的特征在于红斑，例如，如果本发明的方法被用来评估会改善红斑的治 疗。在另一个实施例中，参照区域是红斑和/或在红斑出现之前和/或治疗之前的治疗区域。 为作为红斑和/或治疗区域的参照区域计算但是基于红斑出现之前和/或治疗之前的测量 的红斑值也可以称为基线红斑值或者初始红斑值。
在一实施例中，红斑值与参照红斑值进行比较。例如，段区域(例如，治疗和/或红 斑区域)的红斑值与一个或多个参照红斑值进行比较。在一个实施例中，参照红斑值是 基于一个或多个参照区域计算的。在另一个实施例中，参照红斑值是相同段区域的红斑 值，从该段区域计算后续的红斑值，例如红斑和/或治疗区域，在治疗和/或红斑出现之前 被评估。
在另一个实施例中，红斑值可以与多于一个参照红斑值和/或参照区域的两个或更多 个红斑值之间的一个或多个参照梯度进行比较。所述参照红斑值和/或参照梯度可以包括 同一受试者或者一个或多个不同受试者的参照红斑值。例如，参照红斑梯度或者评级或 参照曲线可以从具有相同或相似类型和/或等级的红斑的受试者确定，例如具有相同的疾 病或治疗。相应地，根据本发明受试者的红斑可以通过计算一个或多个红斑值并且将所 述一个或多个红斑值与一个或多个参照红斑值、两个或更多个参照红斑值之间的参照红 斑梯度和/或评级或参照曲线进行比较来进行评估。
皮肤或粘膜区域的光反射系数可以通过使用成像方法(诸如数字摄影)来测量。相 应地，在实施例中，皮肤或粘膜的光反射系数是通过获得所述皮肤或粘膜区域的图像来 测量的。图像可以是光栅图形图像(或位图)。相应地，在一个实施例中，根据L*a*b*颜色空间获得所述测量的L*值和a*值以及根据本发明的公式计算红斑值的步骤是按每个 像素进行的，即，对皮肤或粘膜区域的一个或多个像素单独地计算。例如，图像可以包 括包含一个或多个段区域的总区域，并且红斑值是为所述区域的一个或多个像素计算的。 红斑值可以为代表所述皮肤或粘膜区域或者所述皮肤或粘膜区域的每个像素的所有像素 计算。红斑值可以为图像的每个像素计算。可选地，一个或多个像素可被排除，例如， 非代表性子区域的任何像素可以被排除在外，如下面进一步描述的。基于单像素红斑值， 平均红斑值可以为皮肤或粘膜区域计算。在一实施例中，平均红斑值是皮肤或粘膜区域 的单像素红斑值的算术平均值。
在一个实施例中，光反射系数是在L*a*b*颜色空间中测量的并且L*值和a*值是直接 从所述测量获得的。
在另一个实施例中，光反射系数是在除L*a*b*颜色空间之外的颜色空间中测量的， 并且根据L*a*b*颜色空间的L*值和a*值是通过将所述测量的光反射系数值转换成L*a*b*颜色空间的对应值来获得的。
在一个实施例中，根据测量的颜色空间的图像的一个或多个像素的光反射系数值从 图像文件直接获得。在一实施例中，获得图像的每个单个像素的光反射系数值。在另一 个实施例中，所述一个或多个单个像素值是通过使用图形软件，诸如AdobePhotoshop、 CorelPaintShop、CorelPhotoPaint、IrfanView、GIMP、Paint.NET等等，获得的。
在一个实施例中，基于单像素红斑值的平均红斑值为每个段区域计算。在一个实施 例中，基于单像素红斑值的平均红斑值为每个参照区域计算。在另一个实施例中，基于 单像素红斑值的平均红斑值为每个总区域计算。此外，平均红斑值可以为多于一个段区 域、参照区域和/或总区域计算。平均红斑值可以包括皮肤或粘膜区域(例如段区域)的 所有单像素红斑值。但是，在一实施例中，一个或多个单像素红斑值可被排除在平均红 斑值的计算之外。
一般而言，用于测量皮肤或粘膜区域的光反射系数的任何上述方法都可以与激光扫 描(诸如像3D激光扫描)相结合，以获得皮肤或粘膜区域的更多信息，诸如3D结构。
在一个实施例中，红斑区域是正在或者将利用可能会造成红斑的物理和/或化学疗法 进行(局部)治疗的治疗区域。例如，物理和/或化学治疗可以选自照射(irradiation)、 全身治疗(例如，皮下、粘膜、肌内注射)或利用药物和/或美容制剂局部治疗(包括粘 膜给药)、过敏测试，诸如像点刺测试和/或斑贴试验。在所述实施例中，红斑区域是容 易产生红斑的区域。此外，在所述例子中，红斑区域也是治疗区域。在所述例子中，相 应的参照区域的特征并不是红斑。相应地，参照区域可以是与红斑相同的区域，但是在 治疗之前。如果参照区域是与红斑区域不同的区域，则参照区域不是治疗区域。
在一实施例中，治疗区域是其特征在于红斑的红斑区域，该区域正在或者将用会改 善红斑的药物或化妆品，例如包括一种或多种抗生素、抗炎、伤口愈合和/或抗氧化剂的 制剂，进行治疗。在所述实施例中，参照区域是特征在于红斑但不是治疗区域(即，没 有利用药物或化妆品治疗)的红斑区域。在一个实施例中，抗氧化剂是超氧化物歧化酶 (SOD)，尤其是重组人类Cu/ZnSOD，可选地是脂质体配方。
在另一个实施例中，治疗区域是特征在于红斑的红斑区域，该区域正在或将利用美 容制剂进行局部治疗，以覆盖红斑，例如，包括一个或多种色素的制剂，诸如化妆品、 粉底、蜜粉、伪装、遮瑕用粉条、遮瑕膏。在所述实施例中，根据本发明的方法可以用 来评估美容制剂的不透明度。在所述实施例中，参照区域是特征在于红斑的红斑区域， 该区域不是治疗区域，即，未被美容制剂覆盖。
在另一个实施例中，治疗区域是容易发生红斑的区域(例如，正在或将暴露于阳光 下的区域)，该区域正在或将用美容制剂进行局部治疗，以防止红斑，例如防晒制剂。 在所述实施例中，根据本发明的方法可以用来评估美容制剂防止晒伤的能力。在所述实 施例中，参照区域可以是正在或将暴露于阳光下的区域，该区域不是治疗区域，即，没 有被美容制剂覆盖。段区域可以基于软件确定和/或分析，诸如基于计算机的手动选择或 取消选择工具(例如，图形选择或取消选择工具，例如，线性、圆形、椭圆形、矩形或 多边形选择或取消选择工具)，和/或自动或半自动模式识别和/或分析软件(或图像识别 和/或分析软件)。例如，某些代表性的区域可以被选择和/或某些非代表性区域可以被取 消选择。半自动化图像分析的例子是以上引用的伤口愈合分析工具(W.H.A.T.)软件。
一般而言，某些子区域可以从段区域和/或总区域中排除。相应地，这样的子区域可 以从各自EV的计算中排除。
在一实施例中，一个或多个子区域从段和/或总区域被手动或自动排除。这种子区域 可以是任何非代表性区域(例如，边界区域)，或者与要分析的剩余区域具有不同的色 素沉着、阴影和/或形状的区域。子区域可以例如其特点是疤痕、痣、雀斑、老龄斑、皮 肤褶皱(例如，乳房下皱襞(IMF)，也称为乳房下皱褶或乳房下皱线)、乳头(acromastium)、 阴影、膏药，和/或标记(例如贴片、纹身、墨水标记，例如照射标记)，或者它们的部 分。这种子区域可通过基于计算机的手动选择或取消选择工具(例如，图形选择或取消 选择工具，例如线性、圆形、椭圆形、矩形或多边形选择或取消选择工具)，和/或通过 使用自动化或半自动化的图像识别技术，诸如模式识别软件(或图像识别软件)，被排 除。
段区域的代表性部分可以是所述段区域中示出该段区域的主要特点的子区域。段区 域的代表性部分可以是所述段区域的中央子区域。段区域的这种代表性部分可以不包括 任何边界区域，例如到周围区域(例如其它段区域)的边界区域。段区域的代表性部分 也可以是段区域，一个或多个非代表性子区域已从其中排除。一般而言，两个或更多个 段区域可以或可以不重叠。例如，两个或更多个段区域可以部分重叠。而且，任何非代 表性区域可以与两个或更多个段区域重叠，因此，其可以从包括所述两个或更多个段区 域的总区域中排除。
如果光反射系数是通过获得皮肤或粘膜区域的图像来测量的，则上述子区域的选择 或取消选择可以应用到图像的像素，即，可以取消选择非代表性子区域的一个或多个或 全部像素，或者可以选择代表性子区域的一个或多个或全部像素。相应地，非代表性子 区域的一个或多个像素可以从计算红斑值(例如从为段区域计算单像素红斑值和/或平均 红斑值)当中被排除。此外，代表性子区域的所述一个或多个像素可以被包括进红斑值 或任何其它颜色值的计算，例如用于段区域的单像素红斑值和/或平均红斑值。
在一个实施例中，总区域包括至少一个红斑和/或治疗区域。在一个实施例中，总区 域包括至少一个参照区域。在一个实施例中，总区域包括至少一个红斑和/或治疗区域以 及至少一个参照区域。
总区域和/或段区域可以是预定区域。总区域和/或段区域可以被标记，例如由一个或 多个贴片、纹身和/或墨水痕迹。
皮肤或粘膜区域的光反射系数可以在任何颜色空间中测量或表示，即，测量方法或 成像方法(因此，测量或图像的表示)可以基于任何颜色空间(或颜色模型)，诸如像 CIE-Lab(或L*a*b*)颜色空间、XYZ颜色空间、Yxy颜色空间、Luv颜色空间(例如， CIE-Luv颜色空间，也表示为L*u*v*)、RGB颜色空间、RYB颜色空间、CMYK颜色空 间、HSL、HSV和/或CIECAM02颜色空间。L*a*b*、XYZ和Luv颜色空间独立于用于测 量光反射系数的设备。在一个实施例中，皮肤或粘膜区域的光反射系数是在L*a*b*颜色 空间中测量的。测量或图像在L*a*b*颜色空间中表示并且参数或值是L*(亮度)、a*(红 色/绿色)和b*(蓝色/黄色)。在所述实施例中，红斑值可以直接基于针对亮度(L*值) 和发红(a*值)的实际测量值来计算。如果皮肤或粘膜区域的光反射系数是在除L*a*b*颜色空间之外的颜色空间中测量的，并且测量或图像在不同于L*a*b*颜色空间的颜色空 间中表示，则实际测量值(或参数)被转换成L*a*b*颜色空间的相应值。例如，在RGB 或CMYK颜色空间中的测量或图像可以转换到L*a*b*颜色空间。RGB或CMYK值首先 需要转换为特定的绝对颜色空间，诸如sRGB或AdobeRGB。这种调整可以是依赖于设 备的，但是从变换得到的数据可以是与设备无关的，从而允许将数据转换到CIE1931颜 色空间，然后转换到L*a*b*。用于在不同颜色空间之间转换值的方法和工具由例如Apple 的ColorSync服务程序、AdobePhotoshop中的“ConverttoProfiledialog(转换到配置文件 对话框)”(http://www.photoshop.com/)以及容易的RGB颜色计算器 (http://www.easyrgb.com/)提供。
颜色空间可以是L*a*b*颜色空间，如经法国CommissionInternationalede(CIE)(也表示为CIE1976L*a*b*或CIELAB；参见例如ENISO11664-4：2008，版本2012-05-15)批准的。它描述了人眼可见的所有颜色，并被创建为用作参照的与设备无关的模型。颜色空间的三个坐标代表颜色的亮度(L*＝0产生黑色并且L*＝100指示漫射白色)，其在红色与绿色之间的值(a*，负值指示绿色，正值指示红色)，其在黄色与蓝色之间的值(b*，负值指示蓝色，正值指示黄色)。色彩饱和度随着离中心距离的增加而增加。相应地，每种颜色可以在所述三维彩色系统中由单个点表示，即，每种颜色可以由三个参数(或坐标)表示。图1示出了L*a*b*颜色空间的两个图形表示。
参照CIELAB颜色空间，a*标度从最大绿色饱和度(amin)到最大红色饱和度(amax) 变动，而b*从最大蓝色饱和度(bmin)到最大黄色饱和度(bmax)变动。在本发明中，最 大值(即Lmax的，amax，和bmax)和最小值(amin和bmin)一方面是由测量方法或成像方 法并且另一方面是由各自的颜色空间及其颜色深度来确定的。颜色深度(或位深度)是 用来指示位图的颜色或单个像素、视频帧缓冲区或图像的位数。这个概念通常被量化为 位/像素(bpp)，它指定所使用的位数。颜色深度仅仅是颜色表示的一个方面，表示颜 色的水平可以如何表示得多精细(也被称为颜色精度)；其它方面是多宽范围的颜色可 以被表示(色域)。颜色精度和色域的定义都是通过向颜色空间中的位置指定数字代码 值的颜色编码规范来实现的。
在一个实施例中，光反射系数是在单点测量中测量的。从这种单点测量，获得一个 单一的L*值和一个单一的a*值，并且红斑值是基于所述单点值来计算的。在另一个实施 例中，光反射系数是通过获得皮肤或粘膜区域的图像来测量的。所述图像包括多个像素， 并且每个像素由在其中进行测量的颜色空间的颜色参数定义。因此，每个单点测量或者 一测量或一图像的每个像素可通过相应颜色空间(例如L*a*b*颜色空间)的参数或值来 定义。如果单点测量或单个像素是由不同于L*a*b*颜色空间的颜色空间的参数或值定义 的，则该参数或值被转换到L*a*b*颜色空间中，如上所述。
例如，测量方法是分光光度法。分光光度法是单点测量，即，皮肤或粘膜区域在一 个点被测量。在所述点被测量的区域由分光光度计的目标掩模预定义。在实施例中，分 光光度计具有32个二极管，从而以10nm的步长测量大约400至700nm的频谱。分光 光度法可以基于L*a*b*颜色空间。相应地，根据L*a*b*颜色空间，这种单点分光光度法测 量得到一个单一的L*、a*和b*值。在一个例子中，从分光光度计获得的数据直接在L*a*b*颜色空间中提供。在例子中，分光光度计具有为100的最大亮度值，即Lmax。在所述例 子中，最大发红值，即，amax，是127(参见图1B)。
在另一个例子中，测量方法或成像方法是数字摄影。颜色深度可以是例如每个通道 (或者每个颜色参数)8、12、15或16位。在实施例中，颜色深度是每个通道8位，即， 总共24位。如果颜色深度是每个通道8位，则对于每个参数(L*、a*和b*)有256个可 能的值。相应地，在所述例子中，最大L*值是255(因为最低值是0)。代表两种颜色红 色和绿色的a*值也包括256个可能的值(即，0-255)。因此，用于红色的最小值为128 并且用于红色的最大值是255。对于亮度和发红的最大值可以为任何给定的颜色深度和/ 或颜色空间相应地计算。基于所述最大L*值和a*值，计算出的红斑值可以统一标准化。
测量或图像可以通过任何合适的测量方法或成像方法获得，诸如像分光光度法、视 频、视频帧缓冲区和/或摄影。例如，测量或图像可以通过不需要与总区域和/或段区域的 任何直接接触的方法来获得，例如，摄影。在一实施例中，测量或图像是通过分光光度 法和/或摄影获得的。在一实施例中，测量或图像是通过数字摄影获得的。
在一个实施例中，图像是通过使用来自柯尼卡美能达的CM-700d分光光度计获得的。 在一个实施例中，图像是通过使用来自佳能的数码相机CanonpowershotG12获得的。在 一个实施例中，图像是通过使用来自佳能的数码相机和SOLIGOR环闪获得的。
例如，分光光度法可以是单点分光光度法。分光光度测量可以在标准条件下完成。 例如，进行测量的人员被分配并相应地进行训练，要被测量的总体可以被标准化(例如， 预定义)、照明区域(即，测量区域)被预定义(例如，采用8mm的目标掩模)，并 且分光光度计在每次测量之前进行校准(例如，在每次测量之前进行自动白平衡)。
在另一个实施例中，摄影是数字摄影。测量或图像可以通过使用选自数码相机、闪 光灯(例如，环闪)和分光光度计中的一种或多种设备来获得。
测量或图像也可以通过使用内窥镜设备来获得。在一个实施例中，皮肤或粘膜区域 是内部粘膜区域并且光反射系数是由内窥镜方法测量的。例如，根据本发明的方法可以 用来诊断和监控影响内部粘膜的疾病及其治疗，诸如像克罗恩病。
图像可以在标准化条件下获得，诸如成像方法和装备、成像设备的设置、对象和成 像设备的定位(即，从图像的角度)以及曝光。例如，闪光灯可被用于标准化，以提高 颜色对比度并减少阴影效果。在其中多个图像进行比较的例子中(例如，同一区域处于 不同时间点的多个图像，和/或不同区域的几个图像，或者在相同或者在不同的时间点)， 图像可以在相同的房间内获得，其中灯打开(或者是所有可用的灯或者是某些预定义的 灯)并且其中窗帘和/或遮光物被拉上(或者是所有可用的窗帘和/或遮光物或者是某些预 定义的窗帘和/或遮光物)。在一个实施例中，相机的内置闪光灯已被停用并且标准化的 外置闪光灯被激活。如果不同的相机被用于多个图像，则这是特别重要的。成像设备的 设置可以标准化，诸如像图像尺寸、图像格式、图像颜色模式、闪光灯、自动和/或场景 模式、白平衡、变焦、图像的焦点、ISO感光度、快门速度、图像色彩参数，等等。此 外，图像分区，以及相机与对象或区域之间的距离和方向，可以标准化。例如，图像尺 寸可以是4：3，具有3648×2736像素；图像格式可以是原始的，图像的颜色模式可以 是中性的，内置闪光灯可以停用，外部闪光灯可以激活，模式可以设置为自动，白平衡 可以设置为自动，变焦可以停用，图像的焦点可设置为自动对焦TTL，ISO感光度可设 定为既定的值(例如，200和400之间的值)，快门速度可以设置为自动，和/或图像颜 色参数设置为中性。在一个实施例中，ISO感光度为200。一般而言，ISO感光度可以尽 可能低。在一个实施例中，相机与对象或区域之间的距离至少为2米。一般而言，相机 与对象或区域之间的距离应当基于闪光灯的功率来选择，即，以确保闪光灯(例如，相 机内部的闪光灯或外部闪光灯)能够充分地照亮对象或区域。
而且，测量设备或成像设备的准备可以标准化，例如用于分光光度计的测量膜片的 消毒方法。而且，在获得图像之前对总区域和/或一个或多个段区域的预处理可以标准化， 例如，总区域和/或一个或多个段区域的覆盖、露出、清洗、干燥和/或消毒。测量或成像 条件还可以通过选择相同的人员获得测量或图像并且通过在全标准化的条件下适当地训 练所述人员来标准化。
在一实施例中，图像代表总区域。
图像还可以包括识别对象，例如病人身份卡、医院条形码、QR码等。
在一个实施例中，图像以未压缩或者无损或几乎无损的压缩格式被保存，即，包括 来自成像设备(例如，相机、扫描仪等)的图像传感器的最低限度进行处理的数据。在 一实施例中，图像以Raw格式保存。在另一个实施例中，图像以Tif格式保存。图像可 以以除Raw格式之外的格式导出，例如，进行进一步的分析或可视化。例如，图像可以 选自Tif、Png或其它无损压缩的图像格式的格式进行转换。在一个实施例中，图像以Raw 格式保存，首先转换成Tif格式，然后Tif格式被转换成Png格式。在一个实施例中，从 Raw格式到用于导出的格式的转换是无损或几乎无损压缩。这可以例如通过使用合适的 Raw转换器或图形软件，诸如AdobePhotoshop、CorelPaintShop、CorelPhotoPaint,Irfan View、GIMP、Paint.NET等，来实现。对于纯可视化，图像也可以以任何其它合适的格 式，诸如像Jpeg，被转换。
为了调节成像设备、曝光或其它可变的成像条件的任何潜在差异，图像可以包括标 准的参照对象，诸如颜色校准工具(例如，灰卡和/或色卡)。在一个实施例中，颜色校 准工具是QP校准卡，如在EP1240549、WO2004/028144和/或PCT/SE2011/050367中所 描述的。
相应地，作为红斑值基础的数据，例如L*和a*值，可以被标准化处理成一参照，诸 如颜色校准工具。
在一个实施例中，红斑值是基于用于a*和L*的最大值进行标准化处理。
例如，红斑值可以被转换成与各自最大值相比较的相对值，其中最大值被设定为100 ％，以便基于不同的测量方法或成像方法和/或基于不同的颜色深度来比较几个红斑值。
可选地，图像可以被转换成假彩色图像，以便可视化和/或分析皮肤发红或红斑或辅 助评估的颜色值。例如，图像可以被转换成伪彩色图像(类似于由红外相机提供的彩色 图像)，例如，伪灰度级或伪红度级图像，其中红斑值表示为灰度或红度(参见图2)。 在所述假彩色图像中，任何“非红色”的a*值(或者负a*值；例如，在L*a*b*颜色空间中 表示绿色)可设定为预定义的值。在实施例中，任何负a*值被设定为最小红色值。例如， 如果颜色空间是L*a*b*颜色空间并且颜色深度是每通道8位，则127或更小的任何a*值 可以设置为128。这种假彩色图像也可以用来检测曝光过度。然后，这种曝光过度的图 像可以从分析中排除。
在一个实施例中，L*值随增加的红斑强度而减小。在另一实施例中，a*值随增加的红 斑强度而增加。在另一个实施例中，随增加的红斑强度L*值降低并且a*值增加。
在一实施例中，仅考虑L*值和a*值。在所述实施例中，红斑或皮肤颜色仅仅通过使 用L*值和a*值来评估，并且相应地，红斑值或皮肤发红值或发红值是仅仅基于L*值和a*值计算的。但是，由于L*a*b*颜色空间的a*值可以包括代表绿色的负a*值，因此绿色也 可以在本发明的方法中考虑。由于在皮肤或粘膜中通常是正a*值(或红色值)远远多于 负a*值(或绿色值)，因此没有必要排除任何负a*，因为它们对皮肤或粘膜区域的平均 红斑值无关紧要的影响。在一个实施例中，所有a*值都被考虑，即，负的和正的a*值。 因此，在一个实施例中，具有负a*值的图像的任何像素被包括到平均红斑值的计算当中。 但是，在另一个实施例中，只有正a*值被考虑。根据所述实施例中，具有负a*值的图像 的任何像素被排除在平均红斑值的计算之外。任何其它参数都不作考虑，诸如像用于黄 色、蓝色或任何其它颜色的值。根据所述实施例，红斑值完全是基于亮度(从黑至白) 和发红(其可以包括用于绿色的值)的值来计算的，例如L*值和a*值。
在一实施例中，红斑值提供了连续的红斑强度测量，而没有任何分级或步长，即， 不依赖于任何预定义的等级。
在一个实施例中，本发明的方法在几个时间点重复，例如，在红斑的治疗、出现和/ 或改善之前，期间，和/或之后的一个或多个时间点。
特别地，受试者的皮肤或粘膜区域的光反射系数是在红斑的出现和/或发展之前、期 间和/或之后，或者在红斑的改善和/或消退之前、期间和/或之后，或者在药物或美容制 剂给药期之前、期间和/或之后，或者在治疗期(例如，皮肤或粘膜区域的局部治疗或者 受试者的全身治疗)之前、期间和/或之后的一个或多个时间点测量的。两个或更多个所 述红斑值之间的梯度可以被确定，例如，在两个或更多个随后的测量或红斑值之间，或 者在治疗或观察期间两个或更多个测量或红斑值之间。相应地，基于在任何治疗(例如， 照射)之前取得的测量计算的红斑值和/或红斑的表现形式可以是基线红斑值。基于在任 何治疗(例如，照射)期间或之后取得的测量计算的任何红斑值和/或红斑的表现形式可 以是后续红斑值。
两个或更多个红斑值之间的梯度可以被确定，例如，在两个或更多个随后的测量或 红斑值之间，或者在治疗或观察期间的两个或更多个测量或红斑值之间。两个或更多个 红斑值之间红斑值的增加指示红斑的发展。红斑值无显著变化(或者两个或更多个红斑 值之间无梯度)指示稳定的皮肤或粘膜状况。两个或更多个红斑值之间红斑值的降低指 示红斑消退。
在一实施例中，红斑是由于照射引起的并且可以选自由照射诱发的皮炎(也称为放 射性皮炎，或放射性皮肤炎)及晒伤组成的组。
在一个实施例中，红斑是由于利用细胞毒性药物的化疗引起的，诸如像氟尿嘧啶、 卡培他滨、阿糖胞苷、索拉非尼或聚乙二醇化脂质体阿霉素(Doxil)，或酪氨酸激酶抑 制剂(例如，索拉非尼和舒尼替尼)。这样红斑也称为掌足红肿疼痛或手足综合征。
在一实施例中，红斑是由于药物摄入引起的，诸如像抗生素(磺胺类、青霉素类、头孢克肟)、巴比妥酸盐、拉莫三嗪、苯妥英(例如，大仑丁)、非类固醇消炎药(NSAIDs)；或者EGFR抑制剂，例如，抗EGFR抗体治疗，尤其是西妥昔单抗的给药。
在一实施例中，红斑是由于过敏原暴露造成的，诸如像用于过敏原测试的各种过敏 原、漆酚(由毒藤和毒橡树生产的树脂)、青霉素、乳胶，或者黄蜂、火蚁和蜜蜂蜇伤。
在一实施例中，红斑是由于真菌感染造成的，诸如像癣(金钱癣)，或念珠菌。
在一实施例中，红斑是由于细菌感染造成的，例如，被葡萄球菌、链球菌感染，或 者被密螺旋体疾病(诸如像梅毒、非性病梅毒、品他病和雅司病)感染。
在一实施例中，红斑是由于病毒感染造成的，并且可以选自由带状疱疹、风疹、疱 疹、手足口病、肠道病毒感染、水痘感染或被红细胞病毒属(传染性红斑或第五病)感 染组成的组。
在一实施例中，红斑是由于皮肤病造成的，其可以选自由银屑病、特应性湿疹或特 应性皮炎(神经性皮炎)、湿疹或痤疮组成的组。
在一实施例中，红斑是由于影响内部或外部粘膜的疾病造成的，例如口腔、鼻腔或 肠道黏膜。例如，受试者患有炎性肠病症、克罗恩病(或克隆氏病)、口疮性口炎、结 膜炎、慢性阻塞性肺病、消化性溃疡、酒精滥用或胃炎。
在一实施例中，红斑是由于身体症状性疾患引起的，诸如脸红。
如上所述用于评估红斑的所有实施例、例子、定义和描述也都适用于本发明的这个 方面。
如上所述，对于红斑的主观评估(例如放射性皮炎)，有效的评估工具是可用的， 诸如分类系统“CommonTerminologyCriteriaforAdverseEffects”(不良反应常见术语标 准)(CTCAE，例如CTCAE版本4.03)，这是由美国肿瘤放射治疗协作组(RTOG)和 美国国家癌症研究所(NCI)开发的。
根据所述CTCAE分级，1级放射性皮炎包括微弱红斑或干燥脱屑，其可能伴有瘙痒、 皮肤扩张、脱发和色素改变。这些皮肤刺激通常发生在放射治疗开始后几天或长达几个 星期之后。2级放射性皮炎皮肤刺激包括中度到活跃红斑或斑片状湿性脱皮，大多数局 限于皮肤褶皱和折痕，以及中度水肿。这些皮肤刺激往往是痛苦的，并具有增加的感染 风险(Hymes,Strom&Fife，2006)。在根据所述CTCAE分级的3级放射性皮炎中，湿 性脱皮的区域扩散到皮肤皱褶之外的区域。常常存在由于轻微外伤和擦伤造成的出血。4 级放射性皮炎是危及生命的状况，其特点在于真皮层皮肤的全层坏死和溃疡。自发性出 血的风险特别高。这些变化是非常痛苦的并且其特点是愈合不良。可能需要皮肤移植。 根据所述CTCAE分级的5级放射性皮炎会导致患者的死亡。
在一个实施例中，红斑是0、1、2、3或4级的放射性皮炎。在一个实施例中，红斑 是0或更高、1或更高、2或更高、3或更高、或4或更高级的放射性皮炎。在一个实施 例中，红斑是符合0至1级的放射性皮炎。在一个实施例中，红斑是符合0至2级的放 射性皮炎。在一个实施例中，红斑是符合0至3级的放射性皮炎。在一个实施例中，红 斑是符合0至4级的放射性皮炎，
在一个实施例中，受试者是人。在一个实施例中，受试者是非人类动物。非人类动 物可以是选自由灵长类(非人灵长类)、猪、啮齿动物或兔子组成的组中的哺乳动物。 在一个实施例中，受试者是正在或将要接受放射治疗的癌症患者。在一个实施例中，受 试者是正在或将要接受放射治疗的乳腺癌患者。乳腺癌患者可以接受过手术，例如乳房 保留手术。在一个实施例中，受试者是正在或将要接受放射治疗的人类头部和颈部癌症 (HNC)患者。HNC患者可以接受过手术。受试者也可以利用化疗来治疗。
在一个实施例中，红斑值是基于照射之前和/或开始时获得的测量或图像来计算的。 在所述实施例中，红斑值是基线红斑值(即，初始或参照红斑值)。照射可以是利用或 暴露于X射线、UV照射和/或太阳照射的治疗。在一个实施例中，根据如上所述的CTCAE， 照射造成的红斑是2级或更高级放射性皮炎。在一个实施例中，照射造成的红斑特征在 于上皮溶解、脱屑和/或皮疹。在一个实施例中，照射造成的红斑特征在于初始或微小的 上皮溶解、脱屑和/或皮疹。
根据本发明在照射之前和/或开始时红斑值(基线红斑值，或者初始值红斑)的计算， 以及在辐照的初始阶段期间测量的红斑值之间的梯度，允许预测出现红斑的风险、红斑 的强度和/或到红斑发生之前的时间。因此，红斑值在放射治疗中提供预后因子，并且可 以用来评估和/或调整照射的剂量和/或持续时间。此外，基线红斑值和/或任何后续红斑 值都可以用来评估和/或调整治疗的剂量和/或持续时间和/或预防，诸如照射的一个或多 个不良事件或者治疗的不良药物反应的治疗和/或预防。利用所述方法，能够提供放射性 皮炎的预期严重性的预后，以及必须给出预防和/或治疗的时间。
如可以在本发明的例子中看到的，基线红斑值强关联到等级以及持续时间，直到出 现一定等级(例如2级)的放射性皮炎。
相应地，本发明的方法可以用来客观地预测和评估红斑的等级，到一定等级的红斑 发生之前的时间，以及受试者出现一定等级的红斑的个体风险。
与红斑值形成对比，Fitzpatrick标度(表2)不与作为本发明基础的研究中出现的放 射性皮炎等级相关联。Fitzpatrick标度(也被称为Fitzpatrick皮肤分型测试或Fitzpatrick 原型标度)是用于肤色的数值分类模式。它是在1975年由哈佛皮肤科医生ThomasB. Fitzpatrick开发的，作为不同类型皮肤对UV光反应进行分类的途径。它仍然是用于对皮 肤颜色的皮肤病研究的公认工具。它测量几个组成部分：遗传倾向、对暴露于阳光的反 应以及晒黑习惯。
表2：Fitzpatrick皮肤颜色量表
Fitzpatrick标度： I型(得分0-7)浅色，苍白色。总是晒伤，永不晒黑。 II型(得分8-16)白色；白皙。通常晒伤，晒黑困难。 III型(得分17-24)中等，白到橄榄色。有时有轻度晒伤，逐步晒成橄榄色。 IV型(得分25-30)橄榄色，中度棕色。很少晒伤，很容易晒到中度棕色。 V型(得分超过30)棕色，深棕色。非常罕有晒伤，晒黑很容易。 VI型黑色，非常深棕色至黑色。从不晒伤，晒黑很容易，深色素。
在一实施例中，本发明的方法可以独立于皮肤类型来使用，并且甚至独立于基本肤 色。例如，红斑或皮肤颜色可以在具有相似和/或不同基本肤色的受试者中进行评估。为 了具有不同肤色(例如，不同种族)的受试者的比较，参照区域或参照受试者的两个或 更多个红斑值之间的参照红斑值或参照梯度可以被生成并且测出的红斑值可以与所述参 照进行比较。
而且，利用本发明的方法，能够评估其特征在于除红色之外的其它颜色或者作为红 色的附加的红斑或皮肤刺激，尤其是白色或黑色。例如，牛皮癣的特征常常是白色或银 色鳞屑与基础红斑。在另一个例子中，红斑特征也可以在于非常暗的皮肤刺激，尤其是 如果角化细胞的坏死发生时，诸如像在Stevens-Johnson综合症或中毒性表皮坏死松解症 (TEN，也被称为“Lyell综合征”)中。此外，本发明的方法可用来记录和/或评估伤口和 伤口愈合。一般而言，本发明的方法允许两个或更多个测量之间皮肤或粘膜颜色(或红 斑)变化的评估。
在乳腺癌中放疗的描述、由放射疗法引起的皮肤反应、通过以上引用的CTCAE分级对红斑的视觉评估、分光光度方法和分析可以在例如Haigis2005(KristineHaigis,Inaugural-DissertationzurErlangungdesmedizinschenDoktorgradesderMedizinischenderAlbert-Ludwigs-FreiburgimBreisgau)中找到。
在另一方面，本发明提供了通过使用根据本发明的方法用于红斑监控和分析的软件 工具。软件工具是基于计算机使用的。因此，本发明方法一般是计算机实现的。相应地， 根据本发明的上述方法可以集成到在计算机或像计算机的设备上运行的软件平台。所述 软件平台可以是基于web的(或基于云的)，并且可以包括用于图像生成和数据输入工 具(例如，移动成像和/或计算机成像、患者识别和/或患者信息)、数据管理和数据输出 (例如，数据库和/或统计数据)，以及数据安全(例如，加密)。例如，诸如智能电话、 平板电脑、i-Phone、i-Pad等的移动设备可用于本发明的方法。
根据本发明的软件工具可以是移动应用或者，在另一个实施例中，可以集成到固定 设备(例如，辐射装置)的软件平台中。在本发明的方法过程中的任何点，与方法相关 的数据可以经由基于计算机的网络(诸如互联网或局域网或无线网络)发送，并且该方 法可以在另一个或多个物理位置继续，诸如基于web或基于云的服务器或计算机。
用于临床数据的记录和分析的医疗软件工具的例子是，例如，由公司RISE(Research IndustrialSystemsEngineeringGmbH)提供的、由RISE和维也纳科技大学开发的用于集 成临床服务的安全平台(SecurePlatformforIntegratingClinicalServices)(SPICS)系统， 例如，SPICSSOUL(http://soul-doc.com/)和SPICSVASC(http://vasc-world.com/)，以及(以上引用的)基于SPICS的W.H.A.T系统。现有技术中的软件工具，尤其是W.H.A.T 系统，以及现有技术中所描述的用于评估红斑的方法，可以通过使用本发明的方法来改 进，尤其是红斑值或按照方法得出的发黄值的计算。
除了本发明的方法，还可以进行红斑的主观评估。相应地，红斑的等级可以由临床 医生评估，例如根据CTCAE。利用本发明的方法计算的红斑值可以与主观评估的红斑等 级进行比较。
根据本发明的方法，尤其是红斑值的计算，可以用来评估由治疗或疾病造成的红斑， 以评估可以改善红斑的治疗的功效，和/或评估美容制剂的不透明度。例如，本发明的方 法可以用来证明药物和/或美容产品的功效。所述药物产品预期用于红斑的预防和/或改 善。所述美容产品可以是非治疗性产品，例如，用于预防或改善红斑的外观，和/或用于 覆盖红斑。此外，本发明的方法也可以用来识别受试者易于产生由照射造成的红斑。本 发明的方法允许日常护理中红斑管理的改善。而且，红斑值的计算，尤其是基线红斑值 (即任何治疗之前的初始红斑值，或参照值红斑)，也可以用于选择和/或取消选择受试 者，例如进行治疗、预防治疗或参与临床试验。例如，基线红斑值，以及任何后续红斑 值，或两个或更多个这种红斑值之间的梯度，可以在临床试验的规划和进行中使用，例 如，作为预期的筛选参数，以阻止处于出现的较低风险的患者的研究数据的稀释。而且， 红斑值可以用来生成标准红斑曲线、标准红斑剂量，和/或红斑参照动作谱，例如根据ISO 17166CIES007/E。
此外，本发明的方法也可以用来以评估动物模型中的红斑，例如皮肤毒性，例如， 在药物制剂的研究和临床前开发当中，或者在美容制剂的开发当中。例如，根据本发明 的方法可以在急性剂量毒性研究和/或在重复剂量毒性研究中使用。本发明的方法也可以 用来测量药物或美容制剂的皮肤刺激潜力。
此外，基线红斑值或基于放射治疗初始阶段期间(例如，在放射治疗的第一个星期， 每天一个照射部分)的测量计算的一个或多个红斑值，或者这两个或更多个红斑值之间 的梯度，可以用来前瞻性地评估出现放射性皮炎的风险、到放射性皮炎出现之前的时间， 和/或放射性皮炎的预期严重性，以及必须采取预防性干预的时间。
利用本发明的方法，能够重新分析从测量中获得的任何数据，因为测量或图像可以 被分析几次、用多种方法，和/或在任何时间点。
本发明方法的另一个应用是肉类的分析。由于肉类的特征在于不同色调的红色，以 及白色和黑色，因此本发明的方法，尤其是根据本发明的公式对发红值的计算，可用来 识别肉类来源的动物物种、肉来来源的动物部分、肉类的新鲜程度，以及其脂肪含量。
本发明还涉及通过使用集成在移动设备的软件平台中的移动应用软件用于客观评估 和远程监控红斑的计算方法，从而进一步启用自动化受试者区域的测量与对这种受试者 所获得的红斑值之间的分配。本发明方法还提供了能够与任何电子临床监控和服务系统 联系到一起的新颖、省时且成本高效的技术。
特别地，本发明还涉及一种用于评估受试者的红斑的方法，包括步骤：利用集成到 移动设备的软件平台中的软件应用测量受试者的皮肤或粘膜区域的光反射系数，根据 L*a*b*颜色空间获得所述测量的L*值和a*值，并且根据公式(L*max-L*)×a*计算红斑值。此 外，本发明涉及通过根据本发明计算红斑值用于评估受试者出现由于照射引起的红斑的 风险的方法；用于预测受试者由于照射出现的红斑强度的相应方法；用于预测到受试者 出现由照射造成的红斑之前的时间的相应方法；用于测试药物或美容制剂造成或治疗受 试者的红斑的能力的相应方法；以及用于测试药物或美容制剂改善受试者的红斑外观的 能力的相应方法。本发明还涉及基于公式(L*max-L*)×a*，用于分析受试者的皮肤颜色的方 法，用于记录或分析受试者的伤口或伤口愈合的方法，用于记录受试者血肿分级和血肿 发展的方法以及用于记录和客观评估受试者痣或斑或雀斑的方法。另一方面，本发明涉 及基于公式(L*max-L*)×a*分析肉类的方法。在另一个实施例中，本发明指用于计算受试者 的发黄的等效派生方法，包括步骤：利用集成到移动设备的软件平台中的软件应用，测 量受试者的皮肤或粘膜或结膜区域的光反射系数，根据L*a*b*颜色空间获得所述测量的 L*值和b*值，并且根据公式(L*max-L*)×b*计算发黄值；与红斑值结合的相应方法可以用于 记录和分析受试者的黄疸或发绀。
本发明还提供了用于分析和监控红斑和任何其它肤色的计算方法，包括使用集成在 移动设备的软件平台中的移动应用软件，测量皮肤或粘膜区域的光反射系数，分析所述 测量并且应用新颖的公式来计算红斑值。皮肤发红值或红斑值对整个强度范围提供了对 皮肤发红或红斑的客观、连续的测量。相应地，皮肤发红红斑值越高，红斑的强度越高。 所开发方法对快速响应或条形码代码的进一步检测允许自动化受试者与这种所获得的颜 色值之间的分配过程。因此，本发明计算方法提供了一种能够与任何电子临床监控和服 务系统联系到一起的新颖、省时且成本高效的技术。
在另一方面，本发明涉及一种方法，其中集成到移动设备的软件平台中的软件应用 被用于分析药物或美容制剂或者过敏原引起红斑的能力。在另一方面，本发明涉及一种 方法，其中集成到移动设备的软件平台中的软件应用被用于分析药物或美容制剂改善红 斑外观的能力。
在另一个实施例中，所述受试者的皮肤或粘膜区域的光反射系数在药物的治疗使用 或美容制剂的局部之前至少测量一次，并且在药物的治疗使用或化妆品的局部使用期间 的一个或多个时间点测量，并且为每次测量计算红斑值。关于所述方面的术语“所述药物 的治疗使用或美容制剂的局部使用”指药物的治疗使用或美容制剂的局部使用期间和/或 之后的一个或多个时间点。例如，受试者的皮肤或粘膜区域的光反射系数是在药物的治 疗使用或美容制剂的局部使用的单次或重复之后的一个或多个时间点测量的。受试者的 皮肤或粘膜区域的光反射系数也可以在药物的治疗使用或美容制剂的局部使用期之后的 一个或多个时间点测量，即，当药物或美容制剂不再应用时。可以确定两个或更多个所 述红斑值之间的梯度，例如，两个或更多个后续的测量或红斑值之间，或者在治疗或观 察期间的两个或更多个测量或红斑值之间。在应用期间两个或更多个红斑值之间红斑值 的增加指示红斑的发展，即，药物或美容制剂造成红斑，或者对防止红斑无效。在应用 期间两个或更多个红斑值之间红斑值没有显著变化指示稳定的皮肤或粘膜状况，即，药 物或美容制剂不造成红斑、对防止红斑有效、对治疗红斑无效，或者对改善红斑外观无 效。在应用期间两个或更多个红斑值之间红斑值的减小指示红斑的消退，即，药物或美 容制剂对治疗红斑有效、或者对改善红斑外观有效。
在第六方面的另一个实施例中，对美容产品的不透明度进行分析。美容产品可以是 化妆品、粉底、蜜粉、伪装、遮瑕用粉条或遮瑕膏。局部使用该产品后红斑值的减小指 示该美容产品对覆盖红斑有效。
本发明还涉及一种包括使用集成到移动设备的软件平台中的软件应用程序的计算方 法，这意味着测量或图像可以通过任何合适的移动测量方法或成像方法获得，诸如像分 光光度法、视频、视频帧缓冲区，和/或数字摄影。
在本发明的优选实施例中，测量是通过使用集成到智能电话(例如，iPhone4、iPhone 4S、iPhone5或更高)的软件平台中或集成到平板计算机(例如，iPad、iPadAir、iPadRetina 或更高)的软件应用获得的。
在有利的实施例中，测量可以通过使用集成到具有像Kinect的3D成像传感器的智 能电话或具有光学头戴式显示器的可穿戴计算机(例如，谷歌眼镜)的软件平台中的软 件应用获得。
测量或图像也可以通过将所使用的软件应用集成到内窥镜成像设备的软件平台中来 获得。因此，在一个实施例中，测出的皮肤或粘膜区域是内部粘膜区域并且光反射系数 是由内窥镜方法测量的。例如，根据本发明的方法可以用来诊断和监控影响内部粘膜的 疾病及其治疗，诸如像克罗恩病。
在本发明的优选实施例中，该方法还包括计算步骤，其中集成在移动软件平台中的 软件应用自动检测条形码或快速响应码或者近场标记，从而允许受试者ID以及这个受试 者的被分析区域的所获得颜色值的自动分配。
在另一个实施例中，与各自的最大值相比，红斑值可以转换成相对值，其中最大值 设定为100％，以便基于不同的测量方法或成像方法，和/或基于不同的颜色深度，比较 几个红斑值。在本发明的优选实施例中，计算出的发红值(正a*)根据公式(L*max-L*)×a*/ (a*max×L*max)基于用于L*和a*的最大值被标准化。
在另一个实施例中，进一步计算的发黄值(正b*)根据公式(L*max-L*)×b*/(b*max×L*max) 基于L*和b*的最大值被标准化，并且在更有利的实施例中，进一步计算的发蓝值(负b*) 根据公式(L*max-L*)×b*/(b*min×L*max)基于L*的最大值和b*的最小值被标准化。
在测出负a*(绿色)值的情况下，相似的技术可以根据公式(L*max-L*)×b*/(b*min×L*max) 得出。所提供的一组标准化方法可以用于在受试者的黄疸或血肿或发绀的出现和治疗期 间看到的关于任何其它观察到的皮肤颜色对红斑的时间依赖性分析。
如前所述，本发明还尤其涉及使用集成在移动设备的软件平台中的移动软件应用用 于红斑评估和监控的计算方法，该方法应用根据本发明派生出的方法。相应地，在这种 情况下，必须进一步考虑，根据本发明的任何上述方法都可以集成到在线或基于云的软 件平台中，例如，集成到软件套件中。在本发明的优选实施例中，所述软件应用集成到 直接连接到基于web的(或基于云的)图像分析和监控平台的移动设备的软件平台中， 从而进一步允许对受试者被测区域的远程红斑评估和监控，并且在一个实施例中，这种 软件应用进一步访问或者可以包括用于图像生成和数据输入(例如，移动成像和/或计算 机图像、自动患者识别和/或患者信息的分配)、数据管理和数据输出(例如，数据库和 /或统计数据)以及数据安全(例如，加密)的工具。例如，移动设备，诸如智能电话、 平板电脑、i-Phone系列(例如，iPhone4、iPhone4S、iPhone5或更高)，i-Pad系列(例 如，iPad、iPadAir、iPadRetina或更高)等等，可以用于本发明的方法。
在有利的实施例中，测量可以通过使用集成到具有像Kinect的3D成像传感器的智 能电话或具有光学头戴式显示器的可穿戴计算机(例如，谷歌眼镜)的软件平台中的软 件应用获得。
虽然以上实施例已经作为本发明人预期的目前想到的最佳模式进行了公开，但是应 当指出，与红斑值的分析联系的任何上述方法都可以与从其直接得出的、适用于分析受 试者的皮肤或粘膜或结膜的发黄值的计算方法结合，例如，用于皮肤或粘膜的黄疸分级 和出现的客观及时间分辨量化分析。由于这个原因，给定的例子不应当被解释为限制， 并且等效派生出的方法可以用于发蓝值或发绿值的分析，例如，用于皮肤或粘膜的发绀 和血肿的时间分辨量化分析。
本发明进一步通过以下实施例进行示范：
1.一种用于评估受试者的红斑的方法，包括步骤：
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
2.一种用于评估受试者出现由于照射造成的红斑的风险的方法，包括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将基线红斑值与受试者出现由于照射造成的红斑的风险关联起来。
3.一种用于预测受试者由于照射出现的红斑强度的方法，包括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将基线红斑值与受试者出现由于照射造成的红斑的强度关联起来。
4.一种用于预测到受试者出现由于照射造成的红斑之前的时间的方法，包括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将基线红斑值与受试者出现由于照射造成的红斑之前的时间反相关关联起来。
5.一种用于测试药物或美容制剂造成或治疗受试者的红斑的能力的方法，包括步 骤：
-在药物或美容制剂给药之前和之后，测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得每次测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算用于每次测量的红斑值。
6.一种用于测试药物或美容制剂改善受试者的红斑外观的能力的方法，包括步骤：
-在药物或美容制剂给药之前和之后，测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得每次测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算用于每次测量的红斑值。
7.一种用于分析受试者的皮肤颜色的方法，包括步骤：
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算皮肤发红值。
8.一种用于记录或分析受试者的伤口或伤口愈合的方法，包括步骤：
-测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
9.一种用于评估受试者的红斑的基于计算机的方法，包括步骤：
-获得受试者的皮肤或粘膜或结膜区域的实测光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
10.一种用于分析受试者的皮肤颜色的基于计算机的方法，包括：
-获得受试者的皮肤或粘膜或结膜区域的实测光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算发红值，及
-根据L*a*b*颜色空间获得所述测量的L*值和b*值，及
-根据公式(L*max-L*)×b*计算发黄值。
11.一种用于评估受试者的红斑的基于计算机的方法，包括步骤：
-测量受试者的皮肤或粘膜或结膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
12.一种用于分析受试者的皮肤颜色的基于计算机的方法，包括：
-获得受试者的皮肤或粘膜或结膜区域的实测光反射系数，及
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算发红值，及
-根据L*a*b*颜色空间获得所述测量的L*值和b*值，及
-根据公式(L*max-L*)×b*计算发黄值。
13.根据前述任何实施例的方法，其中红斑值关联到红斑的强度。
14.根据前述任何实施例的方法，其中光反射系数是在两个或更多个时间点测量的 并且为每次测量计算红斑值。
15.根据实施例14的方法，其中两个或更多个红斑值之间的梯度关联到红斑的出现。
16.根据实施例15的方法，其中两个或更多个红斑值之间的增加指示红斑的发展。
17.根据实施例14的方法，其中两个或更多个红斑值之间的减小指示红斑的消退。
18.根据实施例14的方法，其中两个或更多个红斑值之间没有梯度指示稳定的皮肤 或粘膜状况。
19.根据前述任何实施例的方法，其中光反射系数是在L*a*b*颜色空间中测量的并且 L*值和a*值是直接从所述测量获得的。
20.根据前述任何实施例的方法，其中光反射系数是在除L*a*b*颜色空间之外的颜色 空间中获得的，并且根据L*a*b*颜色空间的L*值和a*值是通过将所述测量的光反射系数 值转换成L*a*b*颜色空间的对应值来获得的。
21.根据前述任何实施例的方法，其中皮肤或粘膜区域是包括一个或多个段区域的 总区域，并且其中为每个段区域计算红斑值。
22.根据实施例21的方法，其中段区域是红斑区域、治疗区域和/或参照区域。
23.根据前述任何实施例的方法，其中红斑值与参照红斑值进行比较。
24.根据前述任何实施例的方法，其中所述区域的光反射系数是通过从其获得一个 单一的L*值和一个单一的a*值的单点测量来测量的，并且红斑值是基于所述单点值来计 算的。
25.根据前述任何实施例的方法，其中受试者的皮肤或粘膜区域的光反射系数是通 过分光光度法来测量的。
26.根据前述任何实施例的方法，其中受试者的皮肤或粘膜区域的光反射系数是通 过获得所述皮肤或粘膜区域的图像来测量的。
27.根据实施例26的方法，其中获得图像的单个像素的L*值和a*值，并且为所述单 个像素计算红斑值。
28.根据实施例26或27的方法，其中获得皮肤或粘膜区域的每个像素的L*值和a*值，并且为皮肤或粘膜区域的单个像素计算红斑值。
29.根据实施例26至28中任何一项的方法，其中图像是通过数字摄影获得的。
30.根据实施例26至29中任何一项的方法，其中平均红斑值是基于单个的像素红 斑值来计算的。
31.根据实施例26至30中任何一项的方法，其中平均红斑值为每个段区域计算。
32.根据实施例26至31中任何一项的方法，其中皮肤或粘膜区域的光反射系数是 利用每通道8、12、15或16位的颜色深度来测量的。
33.根据前述任何实施例的方法，其中皮肤或粘膜区域是内部粘膜区域，并且光反 射系数是通过内窥镜方法来测量的。
34.根据前述任何实施例的方法，其中受试者是人、非人类灵长类、猪、啮齿动物 或兔子。
35.根据前述任何实施例的方法，其中受试者
-易于产生红斑，
-正在或者将利用会造成红斑的疗法进行治疗，
-正在或者将利用防止红斑的疗法进行治疗，
-患有红斑，
-正在或者将利用会治疗红斑的疗法进行治疗，或者
-正在或者将利用改善红斑外观的疗法进行治疗。
36.根据实施例34或35的方法，其中受试者是正在或者将利用照射进行治疗的癌 症患者。
37.根据实施例36的方法，其中受试者是乳腺癌或头部和颈部癌症患者。
38.根据实施例1至12中任何一项的方法，其中光反射系数是在照射之前并且在照 射之后的一个或多个时间点测量的，其中计算两个或更多个红斑值之间的梯度，并且其 中所述梯度与受试者出现由照射造成的红斑的风险相关，或者与受试者由于照射而出现 的红斑的强度相关，或者与到受试者出现由于照射造成的红斑之前的时间反相关。
39.根据实施例38的方法，其中受试者出现由照射造成的红斑的风险、受试者由于 照射而出现的红斑的强度，或者受试者出现由于照射造成的红斑之前的时间是基于基线 红斑值并且基于两个或更多个红斑值之间的梯度来评估或预测的。
40.根据实施例1至12中任何一项的方法，其中测试了美容产品的不透明度。
41.一种用于分析肉类的方法，包括步骤：
-测量肉的区域或整个肉片的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算发红值。
42.根据前述任何实施例的方法，其中该方法是利用移动设备进行的。
43.一种用于评估受试者的红斑的基于计算机的方法，包括步骤：
-测量受试者的皮肤或粘膜或结膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算红斑值。
44.根据前述任何实施例用于评估受试者出现由照射造成的红斑的风险的方法，包 括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将基线红斑值与受试者出现由照射造成的红斑的风险关联起来。
45.根据前述任何实施例用于预测受试者由于照射而出现的红斑的强度的方法，包 括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将基线红斑值与受试者由于照射而出现的红斑的强度关联起来。
46.根据前述任何实施例用于预测到受试者出现由照射造成的红斑之前的时间的方 法，包括步骤：
-在照射之前测量受试者的皮肤或粘膜区域的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，
-根据公式(L*max-L*)×a*计算基线红斑值，及
-将基线红斑值与受试者出现由照射造成的红斑之前的时间反相关关联起来。
47.根据前述任何实施例的方法在分析药物或美容制剂或过敏原造成红斑的能力中 的应用。
48.根据前述任何实施例的方法在分析药物或美容制剂改善红斑外观的能力中的应 用。
49.一种用于分析受试者的皮肤颜色的基于计算机的方法，包括：
-测量受试者的皮肤或粘膜或结膜区域的光反射系数，及
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算发红值，及
-根据L*a*b*颜色空间获得所述测量的L*值和b*值，及
-根据公式(L*max-L*)×b*计算发黄值。
50.根据前述任何实施例的方法在记录或分析受试者的伤口或伤口愈合中的应用。
51.根据前述任何实施例的方法，其中红斑值关联到红斑的强度和/或两个或更多个 红斑值之间的梯度关联到红斑的出现。
52.根据前述任何实施例的方法，其中两个或更多个红斑值之间的增加指示红斑的 发展，其中两个或更多个红斑值之间的减小指示红斑的消退，和/或其中两个或更多个红 斑值之间没有梯度指示稳定的皮肤或粘膜状况。
53.根据前述任何实施例的方法，其中光反射系数是在不同于L*a*b*颜色空间的颜色 空间中获得的，并且根据L*a*b*颜色空间的L*值和a*值是通过将所述测量的光反射系数 值转换成L*a*b*颜色空间的对应值来获得的。
54.根据前述任何实施例的方法，其中红斑值与参照红斑值进行比较。
55.根据前述任何实施例的方法，其中受试者的皮肤或粘膜区域的光反射系数是通 过获得所述区域的图像来测量的。
56.根据前述任何实施例用于分析肉类的方法，包括步骤：
-测量肉的区域或整个肉片的光反射系数，
-根据L*a*b*颜色空间获得所述测量的L*值和a*值，及
-根据公式(L*max-L*)×a*计算发红值。
57.根据前述任何实施例的用于分析受试者的黄褐斑或雀斑样痣或恶性雀斑样痣或 汗斑的方法。
58.根据前述任何实施例的方法，其中等效技术用于计算发黄值和任何其它参照发 黄值，包括步骤：
-利用移动设备测量受试者的皮肤或粘膜或结膜区域的光反射系数，及
-根据L*a*b*颜色空间获得所述测量的L*值和b*值，及
-根据公式(L*max-L*)×b*计算发黄值。
59.根据前述任何实施例的方法在随时间记录和分析受试者的皮肤或粘膜或结膜的 血肿分级和血肿出现中的应用。
60.根据前述任何实施例的方法在随时间记录和分析受试者的皮肤或粘膜或结膜的 黄疸分级和黄疸出现中的应用。
61.根据前述任何实施例的方法在随时间记录和分析受试者的皮肤或粘膜的发绀程 度和发绀出现中的应用。
62.根据前述任何实施例的方法，其中移动设备连接到临床服务系统。
63.根据前述任何实施例的方法，其中移动设备是平板电脑或智能电话。
64.根据前述任何实施例的方法，其中移动设备是具有光学头戴式显示器的可穿戴 计算机。
65.根据前述任何实施例的方法，其中移动设备连接到癌症照射机。
66.根据前述任何实施例的方法，其中获得图像的每个像素的L*和a*值并且为图像 的每个像素计算发红值。
67.根据前述任何实施例的方法，其中获得图像的每个像素的L*和b*值并且为图像 的每个像素计算发黄值。
68.根据前述任何实施例的方法，其中基于单个像素值计算平均颜色值。
69.根据前述任何实施例的方法，其中计算用于每个实测段区域的平均颜色值。
70.根据前述任何实施例的方法，其中被测区域是包括一个或多个段区域的总区域 并且其中任何计算值是为每个段区域计算的。
71.根据前述任何实施例的方法，还包括标准化标记的同时测量，其中标准化标记 包括用于自动化标记识别的色度码和计算的颜色值的亮度校正。
72.根据前述任何实施例的方法，其中标准化标记被设计为贴纸或胶布或海报。
73.根据前述任何实施例的方法，其中实测红斑值的标准化是根据公式 (L*max-L*)×a*/(a*max×L*max)执行的。
74.根据前述任何实施例的方法，其中实测发绿值的标准化是根据公式 (L*max-L*)×a*/(a*min×L*max)执行的。
75.根据前述任何实施例的方法，其中实测发黄值的标准化是根据公式 (L*max-L*)×b*/(b*max×L*max)执行的。
76.根据前述任何实施例的方法，其中实测发蓝值的标准化是根据公式 (L*max-L*)×b*/(b*min×L*max)执行的。
77.根据前述任何实施例的方法，还包括检测受试者的条形码或快速响应码或近场 标记的步骤，以便自动化受试者与所获得的受试者的颜色值之间的分配过程。
78.根据前述任何实施例的用在临床监控和医疗服务系统中的方法。
79.根据前述任何实施例的方法，其中测量步骤和/或获得步骤和/或计算步骤或者其 任意组合，尤其是全部步骤，是利用诸如手机或智能电话或平板电脑的移动设备执行的。
80.根据前述任何实施例的方法，还包括获得实测光反射系数，优选地是通过经网 络的传输。
81.根据实施例38的方法，其中光反射系数不是测量的，而是以别的方式获得。
82.根据前述任何实施例的方法，其中获得步骤和/或计算步骤，尤其是全部步骤， 是利用基于web的或者基于云的方法执行的。
实例
实例1：使用本发明方法的临床阶段1b研究
利用脂质体配方的重组人超氧化物歧化酶(APN201)的临床阶段1b测试在被分析 的所有端点都给出正面的结果。试点研究以双盲、安慰剂控制的方式进行，并且包括20 名在进行乳房保留手术后接受了放射治疗(25-28Rx-部分；总剂量50.0Gy-50.4Gy)的 女性乳腺癌患者。在这项研究中，APN201(rhSOD；1.6mg/ml)每日局部应用可以被证 明是安全的并且耐受性良好的，没有报告严重的或与药物相关的不良事件。此外，APN201 关于疼痛、红斑的强度和到2级皮炎(上皮溶解)发生之前的时间表现出疗效的第一迹 象。
患者群体
包括20名病理证实的早期乳腺癌患者，接受了之前的乳房保留手术。进一步的资格 需求为：年龄18岁或以上、卡氏状态评分≥80％和胸罩罩杯尺寸≤D。如果患者有影响照 射区域的双边或炎性乳腺癌、淋巴癌、外医学显著皮肤病，如果计划使用其它药剂来帮 助预防和/或治疗放射性皮炎，如果他们采用了可能会加剧放射性皮炎的伴随药物，并且 如果他们有先前乳房放射疗法的历史，则他们被排除在外。所有患者利用标准相对内侧 和外侧切线场在25–28次照射(Rx)部分中接受全乳照射至总剂量为50.0-50.4Gy。19 例患者完成了研究并且对疗效的迹象进行了分析。
治疗方案及临床评价
对于APN201/安慰剂每日局部药物的应用，通过将被照射区域垂直分割成两个对称的区域来应用分体式设计。这是以双盲方式进行的，从部分1一直到整个乳房照射的结束(Rx部分25-28)。在照射治疗前，将凝胶作为薄膜涂覆到乳房≥10分钟(照射场尺寸的1毫升/100cm2)。此外，每天在放射治疗后，照射区域的两个部分都被保湿泡沫喷雾持续覆盖着。基于放射治疗开始前在基线开始的CTCAEV4.03分类系统，每日进行放射性皮炎评估。为了探索客观测量是否反映放射性皮炎的临床评估，最初在筛选时并且每日从部分6至部分25或28取得治疗区域的分光光度测量和数字图像。在所述各天数中分光光度测量和数字图像是在研究药物应用之前获得的。数码照片是在稳定的光线条件和标准化的设备设置下利用CanonDigitalCamCanonPowerShotG12拍摄的。包括黑、白、三个不同的灰色色调、红、绿、蓝和黄的色彩校准卡已被用于图像校正，以提高不同图像的可比性。但是，色彩校准卡不在所有图像中存在。已被使用的软件选择图像的最强红色值作为最大红色值并且将每个其它值标准化到所述最大红色值。相应地，如果卡在图像中存在，则选择卡的红色，如果不存在，则图像的最强红色被用作最大红色值(例如，患者的皮肤、衣物等)。对于分光光度法测量，通过应用测量膜片((MAV))使用光谱仪CM-700D(柯尼卡美能达)，其具有激活的自动校准。根据分体设计在内侧和外侧区域中的三个标准化区域中进行单点测量。由此获得的数据集包括2862个单点测量。每次测量包括完整的L*a*b*颜色空间，如由法国CommissionInternationalede(CIE)批准的。对于疗效的客观分析，我们为每个个体患者(01-20)分离出参数L*、a*和b*，并且为每个部分(01-28)和测量区域(安慰剂/真药(verum))计算均值。
配方及组成
APN201是根据cGMP生产和填充的。药物物质(rhSOD)封装在专有脂质体配方中 并混合在亲水凝胶中(每毫升1.6毫克rhSOD)，其由1％的Carbopol981NF基质(pH7.4) 组成。添加钠甲基蛋氨酸作为防腐剂，符合多剂量容器的使用。安慰剂由与凝胶形成的 基质(Carbopol981NF)相同的浓度组成，类似APN201但是不包含脂质体。
生物统计和结果
对于所有被评估的变量，进行的统计检验是描述性的。给出的数据是关于人口和基 线特点、安全性和疗效观察/测量进行的总结。单点分光光度法根据各部分(01-25)对每 个患者(n＝19)给出连续的L*a*b*值。参数L*、a*和b*单独地进行分析并且在安慰剂和 真药治疗的皮肤区域之间进行比较(图3)。而用于L*和a*的均值随研究时间与放射性 皮炎的主观评价很好地相关联，关于b*值没有发现相关性(图3)。我们通过算法(100-L*)× a*组合L*和a*，这获得了新的目标参数，“红斑值”(EV)(图4)。在APN201/安慰剂 治疗的皮肤区域中直到等级≥2出现之前的时间的最终分析给出对APN201疗效的第一迹 象(图5)。
结果
在分割放疗的过程中，20例患者登记并随机分配接受APN201和安慰剂。在25–28 个部分中50.0-50.4Gy(5×1.8–2Gy/周)。
所有患者均为白人女性，中值年龄为58岁(范围40-72)。在10例患者中，肿瘤位 于右乳，10例位于左乳。根据Fitzpatrick标度，最常见的皮肤类型是皮肤类型3，占人 口的65％，其次是皮肤类型2，占人口的20％。有一位病人患有2型糖尿病，另一位对 创可贴有接触性皮炎。一名患者因为她的请求而停止治疗，因此意向性治疗(ITT)人群 包括19名患者。
所有疗效变量对ITT数据集进行了评估。这个数据集包含已经接受该研究药物的至 少一次应用并且提供了疗效数据的所有患者。只有一个病人由于在部分5的访问之后不 遵医嘱而被排除在疗效分析之外。因此，ITT人群包括19名患者。
ITT(n＝19)的初始分光光度分析关于所调查的参数，L*、a*和b*，对两个分割身体 区域都给出可比的均值。我们观察到随治疗时间下降的平均L*和增加的平均a*值的趋势， 从而揭示了两个客观参数之间的负相关性。这意味着，a*值越高，皮肤发红越厉害，并 且L*值越低，皮肤在照射治疗后变得越暗。这两个因素都与皮炎分级0-2的CTC分类的 主观评价相关联。相反，对于b*值，随时间的推移既没有显著变化，也没有与观察到的 皮肤反应的相关性可以被识别(图3)。
基于这个结果，我们决定通过开发算法(100-L*)×a*来组合相关参数L*和a*，这导致 更鲜明的匹配。在与放射性皮炎(0-2级)的临床评估等级的相关性当中，这个新参数的 对应Box-Blot分析显示具有较高分级的红斑值(EV)均值的显著增加。对于ITT人群， 在最初2级皮炎初步诊断的时间点计算得到435.9的EV均值，由于观察到2级的低发生 率(19例当中的5例；26.3％)，这个时间点一直到对整个人群的调查治疗结束才会到 达。在这种情况下，随治疗时间可以观察到在安慰剂与真药治疗区域之间趋势没有差异。 因此，我们应用的方方法供了新的目标参数，红斑值，其允许对红斑以及由此关联的皮 肤毒性的客观评估(图4)。
此外，在APN201/安慰剂治疗的皮肤区域中直到等级≥2出现之前的时间的分析给出 对APN201疗效的第一迹象。对于安慰剂，到2级刺激的平均时间(照射部分的次数) 为20.5部分(范围18-24)，并且对于APN201，是23.0部分(范围22-24)。
令人惊讶的是，0-1级和2级患者之间的分层揭示了平均EV和这些子组之间观察到 的曲线趋势中有明显的差异(图5)。当与那些出现等级0-1(EV150)的患者相比时， 对于出现2级(EV290)的患者，可以在EV中观察到几乎高2倍的初始值。在图5中， 红斑值已经被标准化到理论最大可能值。所述最大值是基于这样的假设确定的，在本例 中，最大L*值为100并且最大a*值为127，因此，两者的乘积被设定为理论最大可能值。 测得的所有红斑值都标准化到所述值。
对于3级红斑的阈值红斑值是未纳入研究的另一个患者的已被主观确定的示例性 值。该值在患者首次被医生主观诊断为3级的那一天测量，这是在部分26的当天。患者 与研究的患者具有同样的疾病和治疗。
在我们的研究中，观察到照射场尺寸(cm2)，或Fitzpatrick标度(1-2对3-4)，与 CTC2级之间没有相关性。处于基线的EV值被揭示为是关联到CTC2级出现的唯一统 计显著参数(p＝0.015)。此外，照射之前的EV值与用于CTC2级出现的估计风险(在 EV≥300时≥75％)的直接相关性可以被观察到。
讨论
基于我们的观察，我们假设新的红斑值(EV)参数的引入，该参数前瞻性地允许识 别具有出现由照射引起的皮肤毒性的CTC分级≥2的较高风险的患者。在照射开始时测量 患者的个体EV可能是高度临床相关的，以便考虑利用抗氧化剂的潜在预防性治疗，诸 如在我们的研究中执行的APN201的局部应用。其次，EV应当被视为预期的筛选参数， 以防止被处于出现放射性皮炎的风险较低的患者稀释研究数据。
实例2：从黑色到白色和红色的重叠颜色梯度
为了证明我们所提出的红斑值对所获得的受试者图像的远程分析的适用性，我们利 用每个颜色通道8位的色彩深度(R/G/B)通过硅方法生成从最暗红色开始到最亮红色的 发红梯度。这是通过从0到255(8位)主要增加RGB颜色空间的R值，然后保持恒定 来实现的。在R增加的一侧，原色G和B都总是具有值0，在R恒定的一侧，G和B都 具有从0开始到255按步长1增加的值，见图6B。结果值被转换到L*a*b*颜色空间并在 图6A中显示。图6中的第四系列示出了由公式((255-L*)×a*)计算的对应红斑值，除以255， 以得到范围0到255之内可比的值。图7示出了上述发红梯度，包括RGB的所有值和 L*a*b*颜色空间。
此外，按照方法等效得出的技术被用来测试我们的发明对评估皮肤或粘膜或结膜区 域的发黄值的适用性，例如对黄疸病的客观且时间分解评估。我们利用每个颜色通道8 位的色彩深度(R/G/B)通过硅方法生成从暗黄(反映在严重黄疸等级中观察到的发黄胆 红素色素的颜色)开始到最亮黄色的发黄梯度。这是通过从0到255(8位)增加RGB 颜色空间的原色R值，然后保持恒定来实现的。在R增加的一侧，原色B总是具有值0。 在R恒定的一侧，B具有从0开始到255按步长1增加的值。在R增加的一侧，原色G 从0开始从0-255不均匀地增加；见图8B。结果值被转换到L*a*b*颜色空间并在图8A 中显示。图8中的第四系列示出了由公式((255-L*)×b*)计算的对应红斑值，除以255，以 得到范围0到255之内可比的值。图9示出了上述发黄值梯度，包括RGB的所有值和 L*a*b*颜色空间。
讨论
根据人眼对皮肤发红的可视察觉，我们的方法给出了计算出的红斑值的宽的接近线 性范围，从而证明我们开发的方法的技术可行性。因此，包括根据的L*a*b*颜色空间获 得测量的L*值和a*，并且根据公式(L*max-L*)×a*计算皮肤发红值的对应方法步骤在技术上 通过集成在基于云的红斑评估和记录平台中的软件工具的生成被转换。该软件工具还能 够连接到任何移动软件应用，用于测量受试者的皮肤或粘膜或结膜区域的光反射系数。
此外，因此，要求保护从其派生出的计算方法，该方法用于获得L*和b*值并且根据 公式(L*max-L*)×a*计算受试者的发黄值，这可以允许进一步扩展本发明用于受试者的任何 其它观察到的颜色值，例如，在黄疸的情况下带黄色的色素沉着、在受试者的皮肤或粘 膜或结膜区域的发绀或血肿情况下带蓝色的色素沉着。
实例3：利用集成本发明方法的软件应用来分析I期实验中荚状痣区域的红斑值(A) 和被分析的红斑值的时间依赖性变化(B)
为了测试集成我们发明所提供的方法的我们的软件应用，我们获得了14个不同受试 者的皮肤区域的图像(男/女)，这些图像是通过临床I期试验附带的之前所述标准化成 像过程生成的。实验旨在客观地评估药物物质对其假设的通过漂白荚状痣区域减弱黄褐 斑的强度的功效。因此一组20个单个的痣在4周的总治疗期内在12个个体受试者中进 行了评估。红斑分析从在局部皮肤治疗发病前(访问1)拍摄的图像开始并且在局部治 疗开始后4周的最后一天(访问4)结束。所使用的软件应用包括几种工具，从而通过 识别可以指定给受试者或指定给受试者的被分析区域(痣)的具体QR码来允许所生成 的图像数据到受试者的标准化图像生成和自动指定。通过在移动设备(iPhone)的软件 平台上使用我们的应用，所获得的图像被加密并上载到基于云的在线平台。所述软件应 用可以直接连接到基于web的(基于云)图像分析和监控平台，从而进一步允许受试者 的被测区域的远程红斑评估和监控。感兴趣的区域(痣或参照皮肤)利用集成到我们的 图像记录和评估平台中的选择工具进行标记。最后，感兴趣的不同区域的单个的红斑值 是通过根据公式(L*max-L*)×a*的本发明计算法计算的并且计算出的值是根据公式 (L*max-L*)×a*/(a*max×L*max)自动标准化的，从而获得相对红斑值。这种相对红斑值的范围 可以从最小值0到最大值1。
讨论
如由图10A中的示例性结果给出的，我们开发的集成在移动软件应用中的方法的应 用启用对正常外观皮肤区域(参照)相对于由黄褐斑标记的皮肤区域中红斑值的远程和 客观评估。根据征询皮肤病专家的主观视觉感知解释所拍摄的图像，令人惊奇地发现我 们的发明性方法可以进一步确认黄褐斑痣的局部用药物治疗没有导致我们受试者当中黄 褐斑的平均强度减小，这在这里可以通过对皮肤发红(红斑)值的时间依赖性分析来证 明；见图10B。
虽然以上实施例和示例性分析结果已经作为本发明人预期的目前最佳模式被公开， 但是应当指出，这些提供的和例子和给定的示例性分析结果不应该被解释为限制，因为 本领域的专业技术人员一旦具有了本方法，就可以大大扩展潜在应用的范围，如在以上 具体实施例中示例性给出的。