Kecerdasan buatan dalam mendiagnosis keparahan diabetes
Kecerdasan buatan dalam mendiagnosis keparahan diabetes
Kecerdasan buatan dalam mendiagnosis keparahan diabetes
Sebuah tim peneliti menggunakan teknologi non-invasif beresolusi tinggi untuk mendapatkan gambar pembuluh darah kecil yang ditemukan di bawah kulit pasien diabetes, dan menggunakan algoritma kecerdasan buatan untuk merumuskan “skor” yang dapat digunakan untuk menentukan tingkat keparahan penyakit. penyakit. Setelah teknologi ini portabel, maka dapat digunakan untuk memantau efektivitas pengobatan, menurut New Atlas, mengutip jurnal Nature Biomedical Engineering.
Mikroangiopati
Mikroangiopati, dimana dinding kapiler darah menjadi sangat tebal dan lemah sehingga mengeluarkan darah, mengeluarkan protein, dan memperlambat aliran darah merupakan komplikasi utama diabetes, yang dapat mempengaruhi banyak organ dalam tubuh, termasuk kulit.
Para peneliti dari Technical University of Munich telah mengembangkan TUM, sebuah metode untuk memperoleh gambaran rinci pembuluh darah di bawah kulit pasien diabetes menggunakan kecerdasan buatan untuk menentukan secara kuantitatif tingkat keparahan kondisinya.
Pencitraan audio-visual
Pencitraan optoakustik menggunakan pulsa cahaya untuk menghasilkan gelombang ultrasonik di dalam jaringan. Ekspansi dan kontraksi kecil pada jaringan di sekitar molekul, yang menyerap cahaya dengan kuat, menghasilkan sinyal yang direkam oleh sensor dan diubah menjadi gambar beresolusi tinggi. Protein hemoglobin pembawa oksigen adalah salah satu molekul yang menyerap cahaya, dan karena terkonsentrasi di pembuluh darah, pencitraan optoakustik menghasilkan gambar detail pembuluh darah yang tidak dapat dihasilkan oleh teknik non-bedah lainnya, selain menjadi prosedur yang cepat dan dapat dilakukan. tidak menggunakan radiasi.
Lebih mendalam dan detail
Dalam studi baru ini, para peneliti mengembangkan metode pencitraan optik-akustik khusus yang disebut RSOM, yang dapat memperoleh data pada kedalaman kulit yang berbeda secara bersamaan hingga kedalaman 1 milimeter, yang menurut Angelos Karlas, peneliti utama studi tersebut. “lebih mendalam dan detail dibandingkan metode visual lainnya.”
teknologi RSOM
Para peneliti menggunakan teknologi RSOM untuk mengambil gambar kulit kaki 75 pasien diabetes dan kelompok kontrol yang terdiri dari 40 orang dan menggunakan algoritma kecerdasan buatan untuk mengidentifikasi karakteristik yang relevan secara klinis terkait dengan komplikasi diabetes. Para peneliti membuat daftar 32 perubahan penting pada mikrovaskular kulit, termasuk diameter pembuluh darah dan jumlah cabang yang dimilikinya.
Jumlah pembuluh darah
Para peneliti mencatat bahwa jumlah pembuluh darah dan cabang pada lapisan kulit berkurang pada pasien diabetes, namun meningkat pada epidermis yang paling dekat dengan permukaan kulit. Ke-32 karakteristik yang diidentifikasi oleh para peneliti dipengaruhi oleh perkembangan dan tingkat keparahan penyakit. Dengan mengumpulkan 32 karakteristik, tim peneliti menghitung “skor mikroangiopati”, yang menghubungkan kondisi pembuluh darah kecil di kulit dan tingkat keparahan diabetes.
Dengan biaya lebih rendah dan dalam beberapa menit
Vassilis Ntziachristos, peneliti studi tersebut, mengatakan bahwa dengan menggunakan “teknologi RSOM, dampak diabetes dapat dijelaskan secara kuantitatif,” dan menjelaskan bahwa “dengan munculnya kemampuan untuk menjadikan RSOM portabel dan hemat biaya, hasil ini akan membuka jalan baru. untuk terus memantau kondisi mereka yang terkena dampak - lebih dari 400 juta orang.” Orang-orang di seluruh dunia. Di masa depan, dengan tes yang cepat dan tidak menimbulkan rasa sakit, hanya perlu beberapa menit untuk menentukan apakah pengobatan memberikan efek, bahkan saat pasien berada di rumah.