人工智能诊断糖尿病严重程度
人工智能诊断糖尿病严重程度
人工智能诊断糖尿病严重程度
一组研究人员利用高分辨率、非侵入性技术获取糖尿病患者皮下小血管的图像,并使用人工智能算法制定“评分”,可用于确定糖尿病的严重程度疾病。 New Atlas 援引《自然生物医学工程》杂志称,一旦这项技术变得便携,就可以用来监测治疗的有效性。
微血管病
微血管病是糖尿病的主要并发症,毛细血管壁变得又厚又弱,导致出血、蛋白质渗漏和血流缓慢,会影响身体的许多器官,包括皮肤。
慕尼黑工业大学的研究人员开发了 TUM,这是一种利用人工智能获取糖尿病患者皮下血管详细图像的方法,从而定量确定病情的严重程度。
视听成像
光声成像使用光脉冲在组织内产生超声波。分子周围组织的微小膨胀和收缩会强烈吸收光线,产生信号,这些信号被传感器记录并转换成高分辨率图像。携氧蛋白血红蛋白是吸收光的分子之一,由于它集中在血管中,光声成像可以产生其他非手术技术无法产生的详细血管图像,而且是一种快速的手术,并且不使用辐射。
更多深度和细节
该研究的首席研究员 Angelos Karlas 表示,在这项新研究中,研究人员开发了一种名为 RSOM 的特定光声成像方法,该方法可以同时获取皮肤不同深度的数据,深度可达 1 毫米。 “比其他光学方法更有深度和细节。”
RSOM技术
研究人员使用 RSOM 技术拍摄了 75 名糖尿病患者和 40 名对照组的腿部皮肤图像,并使用人工智能算法来识别与糖尿病并发症相关的临床相关特征。研究人员列出了皮肤微血管系统中 32 个特别重要的变化,包括血管的直径和分支的数量。
血管数量
研究人员指出,糖尿病患者皮肤层中的血管和分支数量减少,但最靠近皮肤表面的表皮中的血管和分支数量增加。研究人员确定的所有 32 个特征均受到疾病进展和严重程度的影响。通过汇总 32 个特征,研究小组计算出了“微血管病变评分”,该评分将皮肤小血管的状况与糖尿病的严重程度联系起来。
以更低的成本并在几分钟内完成
该研究的研究员 Vassilis Ntziachristos 表示,使用“RSOM 技术可以定量描述糖尿病的影响”,并解释说,“随着 RSOM 便携且经济高效的能力不断出现,这些结果将开辟一条新途径持续监测受影响者的状况——超过 400 亿人。”全世界的人们。未来,通过快速、无痛的测试,即使患者在家,也只需几分钟即可确定治疗是否有效。