Kunstmatige intelligentie bij het diagnosticeren van de ernst van diabetes

Kunstmatige intelligentie bij het diagnosticeren van de ernst van diabetes

Een team van onderzoekers gebruikte niet-invasieve technologie met hoge resolutie om beelden te verkrijgen van kleine bloedvaten die onder de huid van diabetespatiënten worden aangetroffen, en gebruikte een algoritme voor kunstmatige intelligentie om een ​​‘score’ te formuleren die kan worden gebruikt om de ernst van de aandoening te bepalen. ziekte. Zodra deze technologie draagbaar is, kan deze worden gebruikt om de effectiviteit van de behandeling te monitoren, aldus New Atlas, daarbij verwijzend naar het tijdschrift Nature Biomedical Engineering.

Microangiopathie

Microangiopathie, waarbij de wanden van bloedcapillairen zo dik en zwak worden dat ze bloeden, eiwitten lekken en de bloedstroom vertragen, is een belangrijke complicatie van diabetes, die veel organen in het lichaam kan aantasten, waaronder de huid.

Onderzoekers van de Technische Universiteit van München hebben TUM ontwikkeld, een methode voor het verkrijgen van gedetailleerde beelden van bloedvaten onder de huid van diabetespatiënten met behulp van kunstmatige intelligentie om de ernst van de aandoening kwantitatief te bepalen.

Audiovisuele beeldvorming

Opto-akoestische beeldvorming maakt gebruik van lichtpulsen om ultrasone golven in weefsel te genereren. Kleine uitzettingen en samentrekkingen in het weefsel rond de moleculen, dat licht sterk absorbeert, creëren signalen die door sensoren worden geregistreerd en omgezet in beelden met een hoge resolutie. Het zuurstofdragende eiwit hemoglobine is een van deze moleculen die licht absorbeert, en omdat het geconcentreerd is in de bloedvaten, produceert opto-akoestische beeldvorming gedetailleerde beelden van bloedvaten die andere niet-chirurgische technieken niet kunnen produceren. Bovendien is het een snelle procedure en geen straling gebruiken.

Meer diepte en detail

In de nieuwe studie ontwikkelden de onderzoekers een specifieke optisch-akoestische beeldvormingsmethode genaamd RSOM, die tegelijkertijd gegevens kan verzamelen over verschillende diepten van de huid tot een diepte van 1 millimeter, wat Angelos Karlas, de hoofdonderzoeker van de studie, zei. “meer diepte en detail dan andere optische methoden.”

RSOM-technologie

De onderzoekers gebruikten RSOM-technologie om beelden te maken van de huid van de benen van 75 diabetespatiënten en een controlegroep van 40 mensen en gebruikten een algoritme voor kunstmatige intelligentie om klinisch relevante kenmerken te identificeren die verband houden met diabetescomplicaties. De onderzoekers hebben een lijst gemaakt van 32 bijzonder belangrijke veranderingen in de microvasculatuur van de huid, inclusief de diameter van de bloedvaten en het aantal vertakkingen die ze hebben.

Aantal bloedvaten

De onderzoekers merkten op dat het aantal vaten en vertakkingen in de huidlaag afneemt bij diabetespatiënten, maar toeneemt in de epidermis die zich het dichtst bij het huidoppervlak bevindt. Alle 32 door de onderzoekers geïdentificeerde kenmerken werden beïnvloed door de progressie en de ernst van de ziekte. Door de 32 kenmerken samen te stellen, berekende het onderzoeksteam een ​​‘microangiopathiescore’, die de toestand van de kleine bloedvaten in de huid en de ernst van diabetes met elkaar in verband brengt.

Tegen lagere kosten en binnen enkele minuten

Vassilis Ntziachristos, een onderzoeker aan het onderzoek, zei dat het met behulp van “RSOM-technologie mogelijk is om de effecten van diabetes kwantitatief te beschrijven”, en legde uit dat “met het opkomende vermogen om RSOM draagbaar en kosteneffectief te maken, deze resultaten een nieuwe weg zullen openen om de toestand van de getroffenen voortdurend in de gaten te houden – meer dan 400 miljoen mensen.” Mensen over de hele wereld. In de toekomst zal het dankzij snelle en pijnloze tests slechts een paar minuten duren om te bepalen of behandelingen effect hebben, zelfs als de patiënt thuis is.

Boogschutter liefdeshoroscoop voor het jaar 2024