Kecerdasan buatan dalam mendiagnosis keterukan diabetes

Kecerdasan buatan dalam mendiagnosis keterukan diabetes

Satu pasukan penyelidik menggunakan teknologi bukan invasif resolusi tinggi untuk mendapatkan imej saluran darah kecil yang ditemui di bawah kulit pesakit diabetes, dan menggunakan algoritma kecerdasan buatan untuk merumuskan "skor" yang boleh digunakan untuk menentukan tahap keterukan. penyakit. Sebaik sahaja teknologi ini mudah alih, ia boleh digunakan untuk memantau keberkesanan rawatan, menurut New Atlas, memetik jurnal Nature Biomedical Engineering.

Mikroangiopati

Mikroangiopati, di mana dinding kapilari darah menjadi sangat tebal dan lemah sehingga berdarah, protein bocor, dan aliran darah yang perlahan adalah komplikasi utama diabetes, yang boleh menjejaskan banyak organ dalam badan, termasuk kulit.

Penyelidik dari Universiti Teknikal Munich telah membangunkan TUM, kaedah untuk mendapatkan imej terperinci saluran darah di bawah kulit pesakit diabetes menggunakan kecerdasan buatan untuk menentukan secara kuantitatif keterukan keadaan.

Pengimejan audio-visual

Pengimejan otoacoustic menggunakan denyutan cahaya untuk menghasilkan gelombang ultrasound dalam tisu. Pengembangan dan pengecutan kecil dalam tisu yang mengelilingi molekul, yang menyerap cahaya dengan kuat, mencipta isyarat yang dirakam oleh penderia dan ditukar kepada imej resolusi tinggi. Hemoglobin protein pembawa oksigen adalah salah satu daripada molekul ini yang menyerap cahaya, dan oleh kerana ia tertumpu dalam saluran darah, pengimejan optoakustik menghasilkan imej terperinci saluran darah yang tidak dapat dihasilkan oleh teknik bukan pembedahan lain, sebagai tambahan kepada prosedur yang cepat dan berkesan. tidak menggunakan radiasi.

Lebih mendalam dan terperinci

Dalam kajian baharu itu, para penyelidik membangunkan kaedah pengimejan optik-akustik khusus yang dipanggil RSOM, yang boleh memperoleh data pada kedalaman kulit yang berbeza secara serentak hingga ke kedalaman 1 milimeter, yang dikatakan oleh Angelos Karlas, penyelidik utama kajian itu. Ia mencapai "lebih mendalam dan terperinci daripada kaedah optik lain."

teknologi RSOM

Para penyelidik menggunakan teknologi RSOM untuk mengambil imej kulit pada kaki 75 pesakit diabetes dan kumpulan kawalan 40 orang dan menggunakan algoritma kecerdasan buatan untuk mengenal pasti ciri-ciri klinikal yang berkaitan dengan komplikasi diabetes. Para penyelidik mencipta senarai 32 perubahan yang sangat penting dalam mikrovaskular kulit, termasuk diameter saluran darah dan bilangan cawangan yang mereka miliki.

Bilangan saluran darah

Para penyelidik menyatakan bahawa bilangan saluran dan cawangan dalam lapisan kulit berkurangan pada pesakit diabetes, tetapi peningkatan dalam epidermis yang paling hampir dengan permukaan kulit. Kesemua 32 ciri yang dikenal pasti oleh penyelidik dipengaruhi oleh perkembangan dan keterukan penyakit. Dengan menyusun 32 ciri, pasukan penyelidik mengira "skor microangiopati," yang menghubungkan keadaan saluran darah kecil dalam kulit dan keterukan diabetes.

Pada kos yang lebih rendah dan dalam masa beberapa minit

Vassilis Ntziachristos, seorang penyelidik dalam kajian itu, berkata bahawa menggunakan "teknologi RSOM adalah mungkin untuk menggambarkan secara kuantitatif kesan diabetes," menjelaskan bahawa "dengan keupayaan yang muncul untuk menjadikan RSOM mudah alih dan kos efektif, keputusan ini akan membuka cara baharu untuk terus memantau keadaan mereka yang terjejas - lebih daripada 400 juta orang.” Orang di seluruh dunia. Pada masa hadapan, dengan ujian yang cepat dan tidak menyakitkan, ia akan mengambil masa beberapa minit sahaja untuk menentukan sama ada rawatan memberi kesan, walaupun semasa pesakit berada di rumah.

Horoskop cinta Sagittarius untuk tahun 2024