Вдохновленные принципами традиционной китайской медицины, исследователи использовали искусственный интеллект для анализа цвета языка в качестве диагностического инструмента — с точностью более 96 процентов
На протяжении тысячелетий практики традиционной китайской медицины (ТКМ) проверяли пациентов».; языки — это часть полного обследования, при котором тщательно изучается их цвет, форма и покрытие в попытке выявить заболевание. TCM считает, что цвет языка особенно показателен, и теперь некоторые исследователи, воодушевленные недавними исследованиями, указывающими на измеримую связь с факторами здоровья, работают над адаптацией этого древнего диагностического подхода к современным технологиям, основанным на искусственном интеллекте.
TCM остается спорной темой в мировом научном сообществе. Всемирная организация здравоохранения официально включила диагнозы ТКМ в 11-ю редакцию Международной классификации болезней, глобального стандарта классификации медицинской информации, в 2022 году. Но большинство известных исследований с осторожностью отнеслись к этой теме. «Несмотря на расширение использования ТКМ и признание ее терапевтических преимуществ во всем мире, отсутствие убедительных доказательств с точки зрения EBM [доказательной медицины] препятствует принятию ТКМ западным медицинским сообществом и ее интеграции в основное здравоохранение», — написали авторы обзорной статьи 2015 года о перспективах TCM. Тем не менее, очаги сильного академического интереса сохраняются.
В ТКМ цвет языка тесно связан с состоянием крови и ци [китайский термин, часто переводимый на английский как «».»жизненная энергия»], что делает его основным показателем для практикующих ТКМ при оценке общего состояния здоровья пациента», — говорит Донг Сюй, чьи исследования в Университете Миссури сосредоточены на вычислительной биологии и биоинформатике и который был соавтором исследования 2022 года по анализу цифровых изображений языка. Но осмотр языка может быть весьма субъективным: он полностью зависит от цветового восприятия и анализа конкретного практикующего врача.
О поддержке научной журналистики
Если вам понравилась эта статья, подумайте о том, чтобы поддержать нашу журналистику, отмеченную наградами, подписавшись на нее. Приобретая подписку, вы помогаете обеспечить будущее впечатляющих историй об открытиях и идеях, формирующих наш современный мир.Фрэнк Сканнапьеко (Frank Scannapieco), пародонтолог, микробиолог и биолог полости рта из Университета в Буффало, говорит, что в западной медицине не используется стандартизированная клиническая система, которая регулярно отслеживала бы особенности языка, хотя и определяла поражения на языке может служить индикатором некоторых видов рака — и некоторые исследования связывают внешний вид языка с определенными заболеваниями, такими как рак молочной железы и псориаз. Элизабет Альперт, эксперт по стоматологическому здоровью из Гарвардской школы стоматологической медицины, добавляет, что осмотр языка часто является частью рутинного скрининга на рак полости рта, проводимого стоматологами и гигиенистами, но его точность зависит от образования и опыта работы в клинических условиях.
Однако масштабные разработки в области компьютерных технологий заставляют некоторых медицинских исследователей, вдохновленных ТКМ, по-новому взглянуть на язык. Авторы исследования, проведенного в 2024 году в журнале Technologies, использовали модели машинного обучения для классификации цветов языка и прогнозирования нескольких связанных с ними заболеваний, включая диабет, астму, COVID и анемию, с точностью тестирования 96,6 процента.»(минимальная ширина: 750 пикселей)» srcSet=»https://static.scientificamerican.com/dam/m/7bed07c3e4220a2e/original/saw1125Adva31_d_TEXT.png?m=1759868588.547&w= 1350-1350 Вт, https://static.scientificamerican.com/dam/m/7bed07c3e4220a2e/original/saw1125Adva31_d_TEXT.png?m=1759868588.547&w=2000-2000 Вт, https://static.scientificamerican.com/dam/m/7bed07c3e4220a2e/original/saw1125Adva31_d_TEXT.png?m=1759868588.547&w= 900 900 Вт» размеры=»(минимальная ширина: 2000 пикселей) 2000 пикселей, (минимальное разрешение: 3dppx) 50 Вт, (минимальное разрешение: 2dppx) 75вт, 100вт»/><исходный материал="(минимальная ширина: 0 пикселей)" srcSet="https://static.scientificamerican.com/dam/m/b3f68fdfa4222e7/original/saw1125Adva31_m.png?m=1759868588.547&w= 1000-1000 Вт, https://static.scientificamerican.com/dam/m/b3f68fdfa4222e7/original/saw1125Adva31_m.png?m=1759868588.547&w=1200-1200 Вт, https://static.scientificamerican.com/dam/m/b3f68fdfa4222e7/original/saw1125Adva31_m.png?m=1759868588.547&w=600-600 Вт, https://static.scientificamerican.com/dam/m/b3f68fdfa4222e7/original/saw1125Adva31_m.png?m=1759868588.547&w= 750 750 Вт" размеры=" (минимальное разрешение: 3dppx) 50 вт, (минимальное разрешение: 2 dppx) 75 Вт, 100 Вт"/>
Основной проблемой в предыдущих исследованиях визуализации языка было искажение восприятия, вызванное изменением условий освещения, — говорит соавтор недавнего исследования Джаваан Чал, робототехник и заведующий кафедрой сенсорных систем в Университете Южной Австралии. «Были исследования, в которых люди пытались [диагностировать по цвету языка] без контролируемого освещения, но цвет очень субъективен», — говорит Чал.
Чтобы решить эту проблему, Чал и его команда разработали стандартизированную систему освещения в киоске. Пациенты помещали свои головы в коробку, освещенную светодиодными лампами, которые излучали стабильную и контролируемую длину волны света, и обнажали языки.Чал и его коллеги собрали 5260 изображений — как настоящие фотографии языка, найденные в Интернете, так и дополнительные изображения с цветовым градиентом. Они использовали их для обучения моделей машинного обучения распознавать семь определенных цветов (красный, желтый, зеленый, синий, серый, белый и розовый) на разных уровнях насыщенности и при разном освещении.Исследователи подтвердили, что здоровый язык обычно выглядит розовым с тонкой белой пленкой; они обнаружили, что более белый на вид язык может указывать на недостаток железа в крови. У больных сахарным диабетом часто наблюдается сине-желтый налет на языке. Фиолетовый язык с толстым жировым налетом может указывать на некоторые виды рака. Они обнаружили, что интенсивность COVID (у людей с уже диагностированным заболеванием) также может влиять на общий цвет языка: в легких случаях он становится бледно-розовым, при инфекциях средней тяжести — малиновым, а в серьезных случаях — темно-красным.
Затем они применили наиболее точную из шести протестированных моделей машинного обучения к 60 изображениям языка, сделанным с помощью стандартизированной установки киоска в двух больницах Ирака в 2022 и 2023 годах. Затем они сравнили экспериментальные диагнозы с медицинскими картами пациентов. «Система правильно идентифицировала 58 из 60 изображений», — говорит соавтор исследования Али Аль-Наджи, в настоящее время профессор медицинской инженерии в Среднем техническом университете Ирака.
Al- Наджи сейчас работает над тем, чтобы сузить фокус диагностики до центра и кончика языка. Его группа также использует новый набор данных о языке, состоящий из 750 интернет-изображений, для изучения формы языка и состояния полости рта, таких как язвы и трещины, с помощью алгоритма глубокого обучения YOLO. В конечном счете, Чал хотел бы проанализировать не только язык — возможно, все лицо.
Цвет языка, возможно, может служить полезным биологическим маркером состояния здоровья человека, но Сюй предупреждает, что он не может действовать самостоятельно, когда дело доходит до принятия точных клинических решений. «Самым фундаментальным ограничением современных систем визуализации языка является то, что анализ языка представляет собой только один компонент полной диагностики ТКМ», — говорит он. А поскольку маркировка изображений не слишком стандартизирована для такого рода экспериментов, добавляет он, воспроизвести результаты исследований сложнее.
Команда увидела коммерческий интерес к своей системе, говорит Чал, но сбор полезных данных остается самым большим препятствием для расширения масштабов исследований: «вам нужно, чтобы на борту было много разных людей например, с помощью процесса сбора данных с помощью киоска в крупной больнице и получения согласия на доступ к медицинским записям пациентов.
Scannapieco также обращает внимание на проблемы, связанные со стандартизацией обследования языка в клинических или исследовательских условиях. Он говорит, что широкий анализ языка на основе искусственного интеллекта потребует огромных инвестиций и огромных баз данных изображений и историй болезни. «До тех пор, я думаю, эта область будет развиваться путем проведения небольших исследований, которые выявят корреляцию между внешним видом языка и конкретными условиями», — говорит Сканнапьеко. «Конечно, при многих заболеваниях внешний вид языка не меняется». Он добавляет, что такой инструмент был бы лишь одним из многих, используемых для диагностики.
Тем временем онлайн-инструменты искусственного интеллекта для анализа языка постепенно набирают популярность среди потребителей. В начале этого года Сюй, его нынешний аспирант Цзячэн Се из Университета Миссури и их коллеги запустили ИИ-приложение BenCao, основанное на GPT. Пользователи могут загружать изображения языка и получать персонализированные рекомендации по здоровью, основанные на концепциях ТКМ.
На данный момент приложение разработано и продается только как инструмент для улучшения самочувствия, а не как система клинической диагностики, поскольку постановка медицинских диагнозов требует гораздо большей осторожности. «Мы даем лишь некоторые рекомендации по питанию и образу жизни», — говорит Се. Чтобы вывести его на новый уровень, его команда стремится сотрудничать с врачами-клиницистами, сравнивая результаты диагностики, полученные с помощью моделей машинного обучения, и врачами-людьми, чтобы выявить различия и пробелы в производительности.
