人工智能工具可能提供無接觸檢測高血壓和糖尿病的新方法
根據最新研究，一種由人工智能驅動的工具，利用高速視頻檢測面部和手部皮膚的血流變化，可能為高血壓和糖尿病的篩查提供一種全新的方法，無需使用血壓袖帶、血液檢測或可穿戴設備。
這項研究發現，該系統在日本的醫院環境中準確檢測到絕大多數高血壓和糖尿病病例。研究結果在美國心臟協會的科學會議上發表，這些結果在正式發表於同行評審的期刊之前被視為初步結果。
這種無接觸的系統將使人們能夠在自己舒適的家中監測高血壓和糖尿病，而無需接受任何檢測。該研究的首席研究員、東京大學先進心臟病學部的研究員內田涼子表示，視頻監測能夠以非侵入性、無接觸和非主動的方式及早檢測疾病，無需持續佩戴設備或前往醫院檢查。
高血壓和糖尿病都會損害血管，並微妙地改變血液在血管中的流動方式。研究人員以每秒150幀的高速視頻捕捉215人的面部和手部脈搏波和血流運動，包括先前診斷為高血壓以及1型或2型糖尿病的患者，還有健康人作為比較。這些平均63歲的參與者在醫院環境中靜坐，拍攝了五秒和三十秒的視頻影像。
從視頻中提取的血流特徵數據被轉移到計算機，然後由機器學習算法進行分析，以通過測量脈搏波到達30個不同感興趣區域的時間差來檢測高血壓或糖尿病，這些區域包括面部的22個和手部的8個。
同時，使用連續血壓監測器測量血壓，並使用A1C測試單獨測量血糖，該測試測量過去兩到三個月的平均血糖水平。
在77人的子組中，該視頻和算法組合系統在檢測第一階段高血壓（定義為收縮壓130-139 mmHg或舒張壓80-89 mmHg）方面準確率達94%。在83人的糖尿病檢測子組中，該系統在檢測A1C值至少為6.5（糖尿病診斷的閾值）方面準確率為75%。這一子組包括先前診斷為1型和2型糖尿病的患者以及A1C值為6.5或更高的人。
內田表示，該系統仍處於開發早期階段，可能不適用於其他人群。它不僅需要在日本以外的人群中進行測試，還需要進一步研究以確保該系統在不同光照環境或戶外的有效性。
亞利桑那大學醫學院醫學影像學系主任Geoff Rubin博士表示，該系統的實用性可能有限。雖然該系統允許無接觸測試，但他表示，這仍然需要人們遵循可能與其他測試方法同樣耗時和費力的程序。
“假設人們願意在受控環境中靜坐並接受這一測試，為什麼不直接用血壓袖帶進行測量，並在同樣的時間內抽取少量血液來獲得確切答案？”他問道。
Rubin博士對這項研究表示懷疑，但也表示感興趣。他指出，儘管可穿戴設備和遠程感測是有潛力改變醫療保健的工具，但許多人並未與之互動。以這種方式獲取數據在未來可能會有用，但仍有許多問題未得到解答。
—
這項研究展示了人工智能在健康監測領域的潛力，特別是在高血壓和糖尿病這類常見疾病的早期檢測方面。然而，儘管技術創新令人興奮，我們也必須對其實用性和可行性保持謹慎的態度。特別是在實際應用中，如何保證用戶的配合以及在不同環境下的準確性，都是未來需要解決的挑戰。這項技術的發展，或許能夠為未來的健康監測帶來革命性的變化，但我們也不能忽視傳統檢測方法的有效性和可靠性。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
