利用無創測量表征人體面部皮膚老化表型

摘 要 目的：利用無創測量技術提取的中國人群面部皮膚理化參數建立表征皮膚老化表型的新指標。方法：招募100例不同年齡段的健康受試者，通過皮膚無創測試儀器檢測皮膚含水量等皮膚參數，進行主成分分析（PCA）和廣義線性模型分析（GLM）。結果：相關性分析發現膠原蛋白密度與年齡呈顯著負相關（r=？0.31，P<0.01），眼角彈性指標R5（r=？0.612，P<0.000 1）等參數明顯隨年齡增加而降低。廣義線性模型建立的SAI與年齡關系更為顯著（r=0.699，P<0.000 1）。結論：面部皮膚老化主要表現為膠原蛋白流失，彈性降低，皮膚變黑變紅，利用無創測量參數和廣義線性模型建立的皮膚老化指數可以用來表征面部皮膚復雜的老化特征。

關鍵詞 皮膚表型 皮膚老化參數 PCA主成分分析 廣義線性模型 無創測量

中圖分類號：R334.5； R339.38 文獻標志碼：A 文章編號：1006-1533（2024）11-0042-04

引用本文 劉一洲， 王久存， 馬彥云. 利用無創測量表征人體面部皮膚老化表型[J]. 上海醫藥， 2024， 45（11）： 42-45； 66.

Characterization of human facial skin aging phenotypes by noninvasive measurements

LIU Yizhou1， WANG Jiucun1，2，3， MA Yanyun1，2，3

（1. School of Life Sciences， Fudan University， Shanghai 200438， China； 2. Institute of Human Phenomics， Fudan University， Shanghai 200438， China； 3. Innovative Research Unit of Population Genetics and Prevention Technologies for Skin and Skin Diseases， Chinese Academy of Medical Sciences， Shanghai 200438， China）

ABSTRACT Objective： To establish new indicators representing skin aging phenotypes using non-invasive measurement techniques to extract facial skin physicochemical parameters in a Chinese population. Methods： A total of 100 healthy subjects with different age were recruited and skin parameters such as moisture content and so on were measured by non-invasive skin testing instruments. Subsequently， principal component analysis （PCA） and generalized linear model （GLM） analyses were performed. Results： Correlation analysis showed that collagen density was significantly negatively correlated with age （r=？0.31， P<0.01）. Parameters such as the elasticity index R5 at the corner of the eyes （r=？0.612， P<0.000 1） significantly decreased with the increase of age. The skin aging index （SAI） established by the GLM showed a more significant relationship with age （r=0.699， P<0.000 1）. Conclusion： Facial skin aging is primarily characterized by collagen loss， reduced elasticity， and changes in skin pigmentation. SAI established using non-invasive measurement parameters and GLM can be used to characterize the complex aging of facial skin.

KEY WORDS skin phenotype； skin aging parameters； PCA principal component analysis； generalized linear model； noninvasive measurement

隨著全球老齡化人口的增加，老化相關的研究日趨熱門，其中皮膚老化的研究也逐漸受到極大的關注。老化是不可逆的生理過程，對老化特征的研究有助于揭示老化形成的機制從而有望延緩衰老的進程達到抗老化的效果。老化過程涉及到結構、生物化學及功能的多維度變化。量化這些變化對于理解老化機制至關重要，因為它使我們能夠以科學的方法監測老化的進展，并評估干預措施的有效性。通過不同維度提取老化參數，不僅可以更精確地監測老化的程度，還能揭示老化的深層機理，為開發針對性的抗老化治療策略提供基礎。近年來，研究者們已經取得了一些顯著進展，從三維皮膚等效模型反映老化皮膚的某些方面[1]，到基于微觀結構的皮膚本構模型鏈接內在老化過程與微觀結構參數的變化[2]，以及利用多光子激光掃描顯微技術對人類皮膚老化進行非侵入式定量評估[3]。這些研究不僅證實了通過不同維度提取老化參數的重要性，還展示了量化老化程度對于深入理解老化過程及其對干預措施反應的重要價值[4-5]。本文采用客觀評估的方式，利用Cutometer MPA580儀器無創測量100名中國漢族健康人群的皮膚參數，研究各參數與年齡的相關性來提取皮膚老化的參數指標，并進一步通過主成分分析方法表征中國人群面部老化表型。

1 對象和方法

1.1 研究對象

招募100名各年齡段的健康志愿者，均已簽署知情同意書，研究獲得復旦大學生命科學學院倫理委員會的批準，并全程接受倫理委員會的監督和指導。受試者需到訪多次，進行所有相關篩選和測試。目前正在參加另一項臨床研究、懷孕或哺乳、同時接受治療或患有面部和其他身體部位皮膚?。ㄈ鐫裾?、牛皮癬、白癜風和皮膚癌）的受試者被排除在外。所有受試者同意在測試前24 h內不洗臉，不使用任何清潔或化妝產品（包括但不限于洗面奶、肥皂、保濕霜、乳液、防曬霜、油、香水、化妝品等）。

1.2 研究方法

采用多種非創傷性儀器，用于完成面部皮膚的皮膚含水量、經表皮失水率（TEWL）、油脂、pH、彈性、膚色等指標的測量。TEWL通過C+K TEWL測試儀TW310連續測量1 min以求得平均值。角質層含水量使用C+K皮膚水分測試儀CM825進行三次測量并計算平均值。皮膚油脂分泌速率在受試者到達測試中心并清潔面部后1 h測量得出。皮膚pH采用C+K pH測試儀pH910連續測量三次以求平均值。膚色通過Konica Minolta色度儀CM 2600d記錄Lab值并計算平均值。皮膚彈性則通過C+K皮膚彈性測試儀MPA580依據特定參數設置進行測量。個人面部區域的測量和收集由兩名同性工作人員在一個單獨的房間里完成。

1.3 統計分析

根據皮膚特征數據是否滿足Shapiro-Wilk正態分布，使用ANOVA方差分析來處理正態分布的變量，對于非正態分布的變量則使用Kruskal-Wallis方差分析。根據正態性，分別應用Pearson線性相關或Spearman秩相關分析方法計算參數間的相關性。P<0.05提示關聯具有統計學意義。PCA分析用于多參數的降維，并提取主成分PC1、PC2。廣義線性模型使用多元逐步回歸，根據AIC準則篩選，生成每個變量的估計值和P值，所有統計分析均使用R軟件（版本4.2.1）進行。

2 結果

2.1 客觀指標與年齡的相關性分析

根據年齡段18～30、31～40、41～50、51～60將受試者分為4組，方差分析結果顯示不同年齡組之間在膠原蛋白密度上存在顯著差異（表1）。Shapiro-Wilk測試受試者年齡呈現非正態分布（P<0.05），因此后續采用Spearman相關分析。發現膠原蛋白密度與年齡的負相關性最顯著（r=？0.309，P=0.002），表明隨著年齡的增長，皮膚中膠原蛋白的密度普遍下降（表2）。其他油脂相關參數（如油脂0.5 h）顯示出負相關，這些相關性不具統計學顯著性（P>0.05）。TEWL和pH的相關性較低，并且P值高，表明這些指標與年齡的線性關系不大。

使用Kruskal-Wallis H檢驗分析不同年齡組之間眼角區域多個彈性指標的差異。結果顯示，多個指標在不同年齡組之間存在顯著差異。特別是眼角_Q2、眼角_ R7和眼角_R5這三個指標的P值極低（P<0.000 1），表明這些指標與在不同年齡組別中存在顯著差異（表3）。進一步通過儀器檢測的彈性指標數據顯示，眼角的R5，Q2，R7，Q1和R2指標與日歷年齡顯示出顯著的負相關性（|R|>0.5，P<0.000 1），這表明隨著年齡增加，這些彈性指標顯著減少。特別是眼角R5（r=？0.612，P<0.000 1），為最顯著的負相關趨勢，提示隨著年齡增長眼角區域的彈性顯著下降。此外，眼角的F4和R1指標與年齡顯示出顯著的正相關性（R>0.5，P<0.000 1），提示這些彈性屬性隨著年齡增長而增加（表4）。本研究的結果揭示了隨著年齡增長，眼角區域彈性指標的顯著變化，特別是一些關鍵指標的顯著負相關性強調了皮膚老化對眼角區域彈性的顯著影響。

方差分析結果顯示膚色的M（黑色素含量）、L（膚色亮度）、E（血色素含量）參數存在顯著差異（表5）。M參數與年齡呈現正相關（r=0.414），隨著年齡的增長，M參數值也有增加的趨勢。L參數（r=？0.371）與年齡呈現負相關，說明隨著年齡的增長，皮膚的亮度值有下降的趨勢，皮膚可能會變得更暗或失去光澤。E參數（r=0.266）也與年齡呈現正相關，隨著年齡增長，面部膚色紅色加深（表6）。

2.2 皮膚老化參數的主成分分析

研究將上述不同維度中顯著與老化關聯的參數集合成新的老化特征，并進行PCA降維。老化參數包含了多種與人類皮膚老化相關的生物標志物，如皮膚眼角彈性、膠原蛋白密度以及不同皮膚區域的特性測量值。第一主成分解釋了大約44.51%的方差，而第二主成分解釋了大約21.38%（表7）。這表明這兩個主成分共同解釋了超過65%的數據方差。第一主成分可能捕捉了最為關鍵的老化標志，如彈性和膠原蛋白的總體變化，因為它解釋了最大比例的方差。第一主成分可能表示了一個“總體老化”因子，捕捉了多個與老化相關的生物標志物的共同變化趨勢。第二主成分可能表示另一種與老化相關但與第一主成分相互獨立的生物過程，例如與特定皮膚區域（如眼角）的老化特性相關的變量。高載荷的變量對主成分的貢獻較大，因此在老化過程中可能扮演重要角色。Spearman相關性分析表明，PC1與年齡之間存在顯著的負相關關系（r=？0.60，P<0.000 1）。

2.3 皮膚老化參數廣義線性模型分析

廣義線性模型得到皮膚老化指數（skin aging index，SAI）預測值公式如下：SAI=66.423+（？1.619）×眼角_ Q1+0.790×眼角_R2+1035.905×眼角_R8+（？50.163）×眼角_F3+778.147×眼角_R1+（？39.317）×眼角_ F4+531.070×眼角_R9+（？0.149）×膠原蛋白密度（表8），并檢驗老化綜合指標和年齡的相關程度Spearman為0.699 4，表明強相關，并且SAI比PCA得到的PC1與年齡的關聯性更強，更加適用于綜合評估。

3 討論

人體面部皮膚表型的老化參數包括皺紋深度、皮膚彈性下降、色素沉著增加等，先前研究報道皺紋的形成和深度是衡量皮膚老化最直觀的參數之一[6-7]。除了皺紋，色素沉著也是評估皮膚老化的重要指標。Luebberding等[8]在研究中使用三維成像技術評估了面部皺紋的嚴重程度，并發現皺紋的嚴重程度與年齡呈正相關，尤其是在眼周區域。此外，Gao等[9]的研究使用3DEEP多源射頻技術結合分數皮膚再表面化治療眼周皮膚老化，也顯示了類似的年齡相關性。眼角區域的皮膚老化可以通過量化的生物力學參數有效評估。研究中發現眼角彈性參數與老化關聯更緊密一致。這一現象可能由多種因素引起，例如紫外線（UV）暴露不均，由于日?；顒雍铜h境因素，一側面部可能比另一側更多地暴露在紫外線下。在遺傳和生物學因素上，人體的兩側并不是完全對稱的，包括皮膚的厚度、彈性和血液循環等。這些生物學上的微小差異可能導致皮膚眼角老化在左右兩側表現不同。

綜合指標在皮膚老化的研究中具有重要作用，有助于科學家和臨床醫生對皮膚的衰老狀況進行全面的評估。通過因子分析提取的綜合指標，如手背皮膚的紋理、網格、最大角度和最大與最小角度的差值，可以創建一個模型，量化并比較不同人群的皮膚老化程度[10]。另外，紋理和角度等參數與皮膚老化等級之間的關聯，使其能夠用作老化的量化評估指標[11]。綜合指標的建立不僅提高了老化評估的準確性，還可通過三維皮膚表面輪廓clHMIYkCKfk2AWBSnVQMiCtHg2GDdAbFrNp4GHMauvk=測量技術定量描述皮膚的變化過程，從而揭示老化的不同階段[12]。這類指標的應用有望推動皮膚老化的相關研究，促進開發更為精準的診斷和治療方案。

本研究通過主成分分析和廣義線性模型分別構建了不同的客觀老化參數綜合指標進行比較，建立了一個可以定量評價皮膚老化程度的綜合性指標。

參考文獻

[1] Diekmann J， Alili L， Scholz O， et al. A three-dimensional skin equivalent reflecting some aspects of in vivo aged skin[J]. Exp Dermatol， 2016， 25（1）： 56-61.

[2] Pond D， McBride AT， Davids LM， et al. Microstructurallybased constitutive modelling of the skin-linking intrinsic ageing to microstructural parameters[J]. J Theor Biol， 2017， 444： 108-123.

[3] Puschmann S， Rahn CD， Wenck H， et al. Approach to quantify human dermal skin aging using multiphoton laser scanning microscopy[J]. J Biomed Opt， 2012， 17（3）： 036005.

[4] Takema Y， Yorimoto Y， Kawai M， et al. Age-related changes in the elastic properties and thickness of human facial skin[J]. Br J Dermatol， 1994， 131（5）： 641-648.

[5] Ma L， Tan Y， Zheng S， et al. Correlation study between image features and mechanical properties of Han Chinese facial skin[J]. Int J Cosmet Sci， 2017， 39（1）： 93-100.

[6] Fujimura T， Haketa K， Hotta M， et al. Loss of skin elasticity precedes to rapid increase of wrinkle levels[J]. J Dermatol Sci， 2007， 47（3）： 233-239.

[7] Takema Y， Yorimoto Y， Kawai M. The relationship between age-related changes in the physical properties and development of wrinkles in human facial skin[J]. J Soc Cosmet Chem， 1995， 46： 163-173.

[8] Luebberding S， Krueger N， Kerscher M. Quantification of age-related facial wrinkles in men and women using a three-dimensional fringe projection method and validated assessment scales[J]. Dermatol Surg， 2014， 40（1）： 22-32.

[9] Gao L， Kang H， Li Y， et al. Clinical efficacy and safety of 3deep multisource radiofrequency therapy combined with fractional skin resurfacing for periocular skin aging[J]. J Clin Aesthet Dermatol， 2020， 13（3）： 41-44.

[10] 高倩， 董國慶， 劉嶸， 等. 以因子分析方法定量評價人群手背部皮膚老化[J]. 中國美容醫學， 2013， 22（1）： 64-66.

[11] 高倩， 汪薇， 王陽， 等. 手背部皮膚紋理老化定量評價指標研究[J]. 中國美容醫學， 2007， 16（7）： 941-944.

[12] Uchida T， Komeda T， Miyagi M， et al. Quantification of skin aging by three-dimensional measurement of skin surface contour [C]//IEEE International Conference on Systems， Man and Cybernetics Information Intelligence and Systems （Cat No96CH35929）. 1996： 450-455.