人工智慧診斷糖尿病嚴重程度
人工智慧診斷糖尿病嚴重程度
人工智慧診斷糖尿病嚴重程度
一組研究人員利用高解析度、非侵入性技術獲取糖尿病患者皮下小血管的圖像,並使用人工智慧演算法制定“評分”,可用於確定糖尿病的嚴重程度疾病。 New Atlas 引述《自然生物醫學工程》雜誌稱,一旦這項技術變得便攜,就可以用來監測治療的有效性。
微血管病變
微血管病變是糖尿病的主要併發症,毛細血管壁變得又厚又弱,導致出血、蛋白質滲漏和血流緩慢,會影響身體的許多器官,包括皮膚。
慕尼黑工業大學的研究人員開發了 TUM,這是一種利用人工智慧獲取糖尿病患者皮下血管詳細影像的方法,從而定量確定病情的嚴重程度。
視聽成像
光聲成像使用光脈衝在組織內產生超音波。分子周圍組織的微小膨脹和收縮會強烈吸收光線,產生訊號,這些訊號被感測器記錄並轉換成高解析度影像。載氧蛋白血紅蛋白是吸收光的分子之一,由於它集中在血管中,光聲成像可以產生其他非手術技術無法產生的詳細血管影像,而且是一種快速的手術,並且不使用輻射。
更多深度和細節
該研究的首席研究員 Angelos Karlas 表示,在這項新研究中,研究人員開發了一種名為 RSOM 的特定光聲成像方法,該方法可以同時獲取皮膚不同深度的數據,深度可達 1 毫米。 “比其他視覺方法更有深度和細節。”
RSOM技術
研究人員使用 RSOM 技術拍攝了 75 名糖尿病患者和 40 名對照組的腿部皮膚影像,並使用人工智慧演算法來識別與糖尿病併發症相關的臨床相關特徵。研究人員列出了皮膚微血管系統中 32 個特別重要的變化,包括血管的直徑和分支的數量。
血管數量
研究人員指出,糖尿病患者皮膚層中的血管和分支數量減少,但最靠近皮膚表面的表皮中的血管和分支數量增加。研究人員確定的所有 32 個特徵均受到疾病進展和嚴重程度的影響。透過匯總 32 個特徵,研究小組計算了“微血管病變評分”,該評分將皮膚小血管的狀況與糖尿病的嚴重程度聯繫起來。
以更低的成本並在幾分鐘內完成
該研究的研究員 Vassilis Ntziachristos 表示,使用“RSOM 技術可以定量描述糖尿病的影響”,並解釋說,“隨著 RSOM 便攜且經濟高效的能力不斷出現,這些結果將開闢一條新途徑持續監測受影響者的狀況——超過400 億人。」全世界的人們。未來,透過快速、無痛的測試,即使患者在家,也只需幾分鐘即可確定治療是否有效。