Do takich wniosków doszli naukowcy z Uniwersytetu w Kobe, którzy opracowali model sztucznej inteligencji do wczesnego diagnozowania choroby. Praca została opublikowana w The Journal of Clinical Endocrinology and Metabolism (JCEM).
Akromegalia jest spowodowana nadmierną produkcją hormonu wzrostu. Choroba rozwija się zwykle w średnim wieku i powoduje stopniowe powiększanie się dłoni, stóp i rysów twarzy.
Nieleczona choroba może powodować poważne powikłania i średnio skraca oczekiwaną długość życia o około dziesięć lat.
Naukowcy postanowili sprawdzić, czy oznaki choroby można wykryć za pomocą zdjęć dłoni. Takie podejście może być wygodniejsze i bezpieczniejsze dla prywatności niż analiza obrazów twarzy.
Na potrzeby pracy naukowcy zebrali dane od 725 uczestników z 15 ośrodków medycznych w Japonii. U około połowy z nich zdiagnozowano akromegalię. W sumie naukowcy wykorzystali ponad 11 000 zdjęć dłoni do szkolenia i walidacji algorytmu.
Obrazy pokazywały tylko grzbiet dłoni i zaciśniętą pięść, podczas gdy dłoń – z jej unikalnymi liniami – została celowo ukryta, aby zachować anonimowość.
Opracowany model uczenia maszynowego wykazał wysoką dokładność. Jeśli algorytm wskazywał na obecność choroby, prawdopodobieństwo, że dana osoba faktycznie cierpi na akromegalię wynosiło 88%. Jeśli wynik był negatywny, prawdopodobieństwo braku choroby sięgało 93%. Jednocześnie algorytm był dokładniejszy niż endokrynolodzy, którym pokazano te same zdjęcia.
W przyszłości naukowcy planują przetestować skuteczność modelu na większych i bardziej zróżnicowanych próbkach. Chcą również dowiedzieć się, czy podobne algorytmy można wykorzystać do wykrywania innych chorób, które objawiają się zmianami w dłoniach, takich jak reumatoidalne zapalenie stawów lub anemia.
