Yüz ve dilin fotoğraflarıyla eğitilen bir yapay zeka sistemi, Küçük bir testte Çin’den gelen yeni bir çalışmaya göre koroner kalp hastalığı (KCH) olan her hastayı doğru şekilde tespit etti.
Araştırmacılar 518 kişiyi: 200 tanesi teşhis konmuş ve 318 tanesi sağlıklı gönüllüydü. Her birinin yüzü ve dili, özel olarak inşa edilmiş bir tarama sistemiyle fotoğraflandı. Görüntüler derin öğrenme adı verilen, görüntülerdeki örüntüleri tanımayı öğreten bir yapay zeka türü kullanılarak analiz edildi.
Yapay zeka, dilin merkezine, yüzey kaplamasına, ağızın etrafındaki cilde ve yanaklara odaklandı. Bazı KCH hastalarında daha koyu renkli diller, kalınlaşmış kaplamalar veya yüzde pigmentasyon değişiklikleri vardı. Araştırmacılar, yapay zeka tarafından vurgulanan bölgelerin, dil, yüz ve kalp arasındaki bağlantılar hakkındaki geleneksel Çin tıbbi öğretileriyle tutarlı olduğunu söylüyor.
Hastalığın görünümden okunması, yalnızca geleneksel Çin tıbbına özgü değildir. Doktorlar uzun zamandır bazı görünür özelliklerin altında yatan tıbbi sorunlara işaret edebileceğini biliyor. Mavi dudaklar kandaki oksijen seviyesinin düşük olduğunu işaret edebilir ve göz kapaklarının etrafındaki yağlı sarı birikimler olarak bilinen , çok yüksek kolesterolü, çoğu zaman kalıtsal bir rahatsızlıktan kaynaklanan, gösterebilir.
Bir dilin veya yanakın tıkalı damarları ortaya çıkarıp çıkaramayacağı tamamen farklı bir konu. Cilt tonu, aydınlatma, yaş, ilaç kullanımı ve sigara içmek hem yüzün hem de dilin nasıl göründüğünü değiştirir ve çalışma bu özelliklerin tıkalı koroner damarlardan kaynaklandığını kanıtlamıyor. Yapay zeka, insanların tanımlamakta zorlandığı ilişkileri yakalayabilir; ancak bu onları neyin oluşturduğunu açıklamaz.
KCH gelişir, kalp kasını besleyen damarlar, ateroskleroz olarak bilinen süreçte “plak” adı verilen yağlı birikimler nedeniyle daralır. Bu kan akışını kısıplar ve sonunda kalp krizine yol açabilir. Birçok kişi için sorunun ilk belirtisi göğüs ağrısı, kalp krizi veya başka bir hayatı tehdit eden olay olduğundan, hastalığın daha erken aşamada tespit edilmesi, önleyici tıbbın önemli bir hedefidir.
Doktorlar şu anda riski değerlendirir; buna yaş, sigara içimi, kan basıncı, kolesterol ve diyabet gibi faktörler dahildir. KCH şüphelenildiğinde, testlere elektrokardiogram (EKG), kan taramaları veya özel görüntülemeler dahil edilebilir. Hızlı, ağrısız, düşük maliyetli bir fotoğraf testi, özellikle uzman sağlık hizmetlerine erişimin sınırlı olduğu topluluklarda kimin o incelemelere ihtiyacı olduğunu belirlemeye yardımcı olabilir.
Sorular kalan, umut verici bir sonuç
Bilimsel Raporlar (Scientific Reports) dersinde yayımlanan çalışma, zaten KCH teşhisi konmuş insanları sağlıklı gönüllülerle karşılaştırdı; bu da tamamen farklı hastalıkların ve kardiyovasküler risk seviyelerinin karışık olduğu genel halkı taramaktan oldukça farklıdır. Fotoğraflar ayrıca kontrollü aydınlatma altında, özel ekipman kullanılarak çekildi.
Model başka hastanelerde veya ortamlarda bulunan insanlarda test edilmedi. Yapay zeka sistemleri bazen inşa edilmelerinde kullanılan verilerde çok iyi sonuç verebilir, ancak farklı hastanelerde, etnik gruplarda veya sağlık hizmetleri ortamlarında daha az iyi sonuç verir.
Sağlıklı gönüllülerin hepsi koroner görüntülemeyle değerlendirilmediği için, tespit edilmemiş bir hastalık hariç tutulamaz. Yapay zeka ayrıca yaşla, diğer hastalıklarla veya katılımcıların başka özellikleriyle ilişkili farkları yakalamış olabilir; kalp hastalığından ziyade.
Tarama, daha da fazla bir sorunu beraberinde getirir. Son derece doğru bir test bile, hastalığın nispeten nadır olduğu bir nüfusta kullanıldığında büyük sayıda yanlış pozitif tanı üretebilir.
Zaman insanları izleyen daha büyük çalışmaların, bu yaklaşımın fark edilmemiş bir hastayı yakalayabileceğini, onu diğer rahatsızlıklardan ayırt edebileceğini ve daha iyi sağlık sonuçlarına yol açabileceğini göstermesi gerekirdi. Araştırmacılar ayrıca bunu mevcut risk değerlendirme yöntemleriyle doğrudan karşılaştırmaları gerekecekti. Faydalı olduğu kanıtlanırsa, nihayetinde standart kalp hastalığı risk kontrolleri, kolesterol taramaları ve kan basıncı ölçümlerinin yanında kullanılabilir.
