Forskare i Japan säger att de har utvecklat en artificiell intelligensmodell som kan hjälpa till att upptäcka akromegali genom att analysera foton av handryggen och en knuten näve – ett tillvägagångssätt utformat för att undvika ansiktsbilder eller fingeravtryck. Teamet rapporterar att systemet presterade bra i tester och kan hjälpa kliniker att identifiera potentiella fall tidigare och remittera patienter för specialistutvärdering.
Akromegali är en sällsynt endokrin sjukdom som vanligtvis utvecklas i vuxen ålder, där kroppen producerar för mycket tillväxthormon – oftast på grund av en hypofystumör. Tillståndet kan orsaka progressiv förstoring av händer och fötter, förändringar i ansiktsutseendet samt bredare effekter på ben- och organväxt. nnFör att symtomen ofta utvecklas långsamt kan diagnosen fördröjas i åratal. ”Eftersom tillståndet fortskrider så långsamt, och eftersom det är en sällsynt sjukdom, är det inte ovanligt att det tar upp till ett decennium att ställa diagnosen”, sade endokrinologen Hidenori Fukuoka vid Kobe University. nnMedan viss forskning har utforskat användningen av artificiell intelligens för att identifiera akromegali från fotografier har mycket av det byggt på ansiktsbilder, vilket kan väcka integritetsoro. För att hitta ett mindre identifierbart alternativ tränade gruppen ledd av Kobe University en djupinlärningsmodell med två typer av handfoton: en utsträckt hand som visar handryggen och en knuten näve med tummen placerad utåt. Forskarnas sade att de undvek handflatsbilder eftersom handflatmönster kan användas som biometriska identifierare. nnEnligt studien inkluderades 725 deltagare vid 15 medicinska inrättningar i Japan, som bidrog med mer än 11 000 bilder som användes för att träna och validera modellen. Arbetet publicerades i The Journal of Clinical Endocrinology & Metabolism med titeln ”Automatic Acromegaly Detection Using Deep Learning on Hand Images: A Multicenter Observational Study.” nnFörfattarna rapporterade att systemet uppnådde ”mycket hög sensitivitet och specificitet” och att det överträffade erfarna endokrinologer som bads att utvärdera samma fotografier. Doktoranden Yuka Ohmachi sade att hon var förvånad över att modellen presterade så bra med endast dessa handvyer: ”Det som slog mig som särskilt betydelsefullt var att uppnå denna prestandanivå utan ansiktsdrag, vilket gör detta tillvägagångssätt mycket mer praktiskt för sjukdomsscreening.” nnForskarnas betonade att fotografier ensamma inte räcker för diagnos, som vanligtvis kräver klinisk utvärdering och hormontestning. De sade dock att ett screeningverktyg av denna typ kan bidra till tidigare uppföljning, särskilt i miljöer där tillgång till specialister är begränsad. ”Vi tror att genom att ytterligare utveckla denna teknik kan det leda till att skapa en medicinsk infrastruktur under omfattande hälsokontroller för att koppla misstänkta fall av handrelaterade sjukdomar till specialister”, sade Fukuoka. nnTeamet sade att det planerar att undersöka om liknande bildbaserade metoder kan anpassas för att hjälpa till att upptäcka andra tillstånd med synliga tecken i händerna, inklusive reumatoid artrit, anemi och fingerklubba. nnForskningen finansierades av Hyogo Foundation for Science Technology och involverade samarbetspartners från flera institutioner i Japan, inklusive Fukuoka University och Nagoya University, enligt forskarna.
