Ce s-a întâmplat
Google Research a publicat recent detalii despre un studiu inovator care utilizează modele de deep learning pentru a estima riscul cardiometabolic direct din fotografii realizate cu un smartphone obișnuit. În loc să se bazeze pe Indicele de Masă Corporală (BMI) — o unitate de măsură adesea criticată pentru că nu face distincția între masa musculară și grăsime — AI-ul analizează trăsăturile externe ale corpului pentru a prezice indicatori interni, precum volumul grăsimii viscerale și nivelul glucozei din sânge.
Context tehnologic
Tehnologia din spatele acestui avans se bazează pe Deep Learning și Computer Vision. Modelele au fost antrenate pe seturi vaste de date care includ atât imagini 2D ale corpului, cât și rezultate clinice precise obținute prin scanări DEXA (absorbțiometrie duală cu raze X) și teste de laborator.
Sistemul funcționează prin extragerea unor „semnături vizuale” pe care ochiul uman nu le poate cuantifica precis. De exemplu, modelul poate detecta variații subtile în distribuția grăsimii subcutanate și viscerale, care sunt mult mai strâns legate de diabetul de tip 2 și bolile cardiovasculare decât greutatea totală raportată la înălțime.
De ce contează
Această inovație are potențialul de a transforma medicina preventivă, în special în zonele cu acces limitat la echipamente medicale scumpe.
1. Precizie mai mare: BMI-ul poate clasifica un sportiv cu multă masă musculară ca fiind „obez”, în timp ce ignoră riscurile unei persoane slabe, dar cu multă grăsime viscerală („skinny fat”). AI-ul elimină aceste erori.
2. Accesibilitate: Aproape oricine deține un smartphone, ceea ce înseamnă că monitorizarea sănătății metabolice ar putea deveni la fel de simplă ca realizarea unui selfie.
3. Screening proactiv: Detectarea timpurie a riscurilor permite intervenții stilistice sau medicale înainte ca bolile cronice să se instaleze.
Impact
Pe termen scurt, ne putem aștepta ca aceste modele să fie integrate în aplicații de fitness și sănătate pentru a oferi utilizatorilor o imagine mai clară a stării lor de bine. Pe termen mediu, tehnologia ar putea fi adoptată de clinicile de telemedicină pentru a tria pacienții și a prioritiza cazurile cu risc ridicat, reducând costurile sistemelor de sănătate publică.
Ce urmează
Următorul pas pentru Google este validarea clinică extinsă pe populații diverse pentru a asigura echitatea algoritmilor (pentru a evita bias-urile legate de rasă sau vârstă). De asemenea, reglementările privind confidențialitatea datelor medicale vor juca un rol crucial în modul în care acest instrument va fi lansat pe piața largă.
Surse
- Google Research Blog
- Nature Communications (Studiul original)