Studija Univerziteta u Tokiju i Instituta za nauku pokazuje da AI može da prepozna dijabetes i hipertenziju analizom kratkih spektroskopskih video zapisa lica i dlanova. Testirano je 215 učesnika; dijabetes je detektovan sa 88,2% tačnosti na 30s i 81,2% na 5s. Hipertenzija je prethodno pokazala 95% tačnost na 30s, uz 100% osetljivosti za normalan pritisak. Autori naglašavaju potrebu za daljim validacijama u većim i raznovrsnijim kohortama.
ESC 2026: AI Otkriva Dijabetes i Hipertenziju Iz Kratkih Spektroskopskih Video Zapisa Lica
ESC 2026: AI able to detect diabetes from facial video recordings
Studija Univerziteta u Tokiju i Instituta za nauku u Tokiju pokazuje da algoritam zasnovan na veštačkoj inteligenciji može da prepozna osobe sa dijabetesom i hipertenzijom analizom kratkih spektroskopskih video zapisa lica i dlanova.
Metodologija
U prospektivnu studiju je regrutovano 215 učesnika — pacijenata sa dijagnozom dijabetesa i zdravih volontera. Svaki učesnik je snimljen visokom brzinom tokom kratkog vremenskog intervala pomoću spektroskopskog fotoaparata koji beleži nijanse boje kože i promene protoka krvi.
Analiza
Mašinski algoritam je analizirao video zapise i izvukao podatke o dinamici pulsnog talasa (indikator krutosti arterija), obrascima protoka krvi u koži i spektralnim karakteristikama boje kože. Na osnovu tih obrazaca model je klasifikovao prisustvo dijabetesa i hipertenzije.
Glavni nalazi
Dijabetes: Detektovan je sa tačnošću od 88,2% na 30-sekundnom snimku i 81,2% na petosekundnom snimku.
Hipertenzija: Prethodno objavljeni rezultati pokazuju 95% tačnost na 30-sekundnom snimku. Osetljivost za normalan krvni pritisak bila je 100%, dok je osetljivost za hipertenziju iznosila 89,2%. Tačnost algoritma za hipertenziju na petosekundnom zapisu ostala je visoka — 90,3%.
Ryoko Uchida, istraživačica u Odseku za naprednu kardiologiju Univerziteta u Tokiju, izjavila je: 'Naš algoritam precizno je detektovao hipertenziju i dijabetes iz spektroskopskih video zapisa lica dugačkih samo pet sekundi. Planiramo verifikaciju u većim i raznovrsnijim kohortama kako bismo omogućili primenu u realnim uslovima.'
Širi kontekst i implikacije
Metoda je kontaktna i bez potrebe za vađenjem krvi ili korišćenjem manžetne, što otvara mogućnost brzog skrininga u svakodnevnim okruženjima (npr. apoteke, zdravstveni punktovi, telemedicina). Međutim, autori ističu potrebu za dodatnim validacijama u većim, etnički i demografski raznovrsnim populacijama.
Ograničenja
- Relativno mali uzorak (215 učesnika) i ograničena raznolikost populacije u ovoj fazi.
- Mogući uticaji faktora kao što su ton kože, osvetljenje, kvalitet kamere, pokreti subjekta i komorbiditeti.
- Metoda za sada služi za skrining — ne bi trebalo da zameni dijagnostičke testove dok se ne potvrdi i ne reguliše.
AI već značajno utiče na zdravstvenu zaštitu, posebno u obradi medicinskih snimaka. Prema izveštaju GlobalData, tržišna vrednost AI u zdravstvu mogla bi dostići 57,4 milijardi USD do 2029. godine. Primera radi, softver za skrining dijabetičke retinopatije kompanije iHealthScreen dobio je FDA odobrenje u julu 2026, a istraživači u Edinburgu rade na AI rešenjima koja procenjuju rizik od demencije iz rutinskih pregleda oka.
Zaključak: Rezultati su obećavajući i ukazuju na potencijal bežične, brze i neinvazivne metode skrininga za dijabetes i hipertenziju, ali su potrebne šire studije i regulativna razmatranja pre uvođenja u kliničku praksu.
Izvor: originalni članak Medical Device Network, GlobalData.
Pomozite nam da budemo bolji.
