Sciance daily
Ερευνητές στο Πανεπιστήμιο Κόμπε ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να ανιχνεύσει την ακρομεγαλία, μια σπάνια ορμονική διαταραχή, αναλύοντας φωτογραφίες του πίσω μέρους του χεριού και μιας σφιγμένης γροθιάς. Η ασθένεια συχνά εξελίσσεται αργά και μπορεί να χρειαστούν χρόνια για να διαγνωστεί, παρόλο που οι περιπτώσεις που δεν έχουν λάβει θεραπεία μπορεί να μειώσουν το προσδόκιμο ζωής.
AI που αναπτύχθηκε από ενδοκρινολόγους του Πανεπιστημίου Κόμπε μπορεί να διαγνώσει με ακρίβεια κάποιες ασθένειες, απλώς αναλύοντας εικόνες του πίσω μέρους του χεριού και της σφιγμένης γροθιάς. Το επίτευγμα αυτό, που σέβεται την ιδιωτικότητα, υπόσχεται τη δημιουργία πιο αποτελεσματικών συστημάτων παραπομπής και τη μείωση των ανισοτήτων στην υγειονομική περίθαλψη μεταξύ των κοινοτήτων.
Η προσέγγιση αυτή αποφεύγει τις εικόνες προσώπου, συμβάλλοντας στην προστασία του απορρήτου των ασθενών, επιτυγχάνοντας παράλληλα υψηλή διαγνωστική ακρίβεια. Οι επιστήμονες λένε ότι η τεχνολογία θα μπορούσε τελικά να βοηθήσει τους γιατρούς να παραπέμπουν τους ασθενείς σε ειδικούς πιο γρήγορα και να βελτιώσει την πρόσβαση στην περίθαλψη.
Εάν δεν αντιμετωπιστούν έγκαιρα ασθένεις, μειώνουν το προσδόκιμο ζωής, όπως η ακρομεγαλία μπορεί να οδηγήσει σε σοβαρά προβλήματα υγείας και να μειώσει το προσδόκιμο ζωής κατά περίπου 10 χρόνια. Με την πρόοδο των εργαλείων τεχνητής νοημοσύνης, έχουν γίνει προσπάθειες χρήσης φωτογραφιών για έγκαιρη ανίχνευση, αλλά δεν έχουν υιοθετηθεί στην κλινική πράξη» λέει ο ενδοκρινολόγος του Πανεπιστημίου Κόμπε, Χιντενόρι Φουκουόκα.
Για την ενίσχυση της προστασίας της ιδιωτικής ζωής, οι ερευνητές περιόρισαν τις εικόνες τους στο πίσω μέρος του χεριού και σε μια σφιγμένη γροθιά. Απέφυγαν σκόπιμα τις εικόνες της παλάμης, επειδή τα μοτίβα των γραμμών της παλάμης είναι ιδιαίτερα ατομικά και θα μπορούσαν να αποκαλύψουν την ταυτότητα. Αυτή η προσεκτική προσέγγιση βοήθησε στην προσέλκυση μεγάλου αριθμού συμμετεχόντων. Συνολικά, 725 ασθενείς από 15 ιατρικά ιδρύματα σε όλη την Ιαπωνία συνεισέφεραν περισσότερες από 11.000 εικόνες που χρησιμοποιήθηκαν για την εκπαίδευση και τη δοκιμή του μοντέλου Τεχνητής Νοημοσύνης. Ο επικεφαλής Ν.Ohmachi λέει: «Αυτό το αποτέλεσμα θα μπορούσε να αποτελέσει το σημείο εκκίνησης για την επέκταση των δυνατοτήτων της ιατρικής τεχνητής νοημοσύνης».
Journal of Clinical Endocrinology , 2026

