Mesterséges intelligenciával mérhető a metabolikus szindróma súlyossága

A European Heart Journal - Digital Health folyóiratban augusztus 15-én jelent meg a Mayo Clinic kutatóinak cikke, amelyben mesterséges intelligenciát alkalmaztak egy eredetileg a ruházati ipar számára kifejlesztett 3D testtérfogat-szkennerben a metabolikus szindróma kockázatának és súlyosságának megállapítására. Az eredmények szerint az eszköz használata pontosabb alternatívát kínál az orvosoknak a betegség kockázatának más mérőszámokkal, például a testtömegindexszel (BMI) és a derék-csípő aránnyal történő megállapításához képest.

A metabolikus szindróma szívrohamhoz, stroke-hoz és más súlyos egészségügyi problémákhoz vezethet, és az amerikai lakosság több mint egyharmadát, világszerte pedig az emberek negyedét érinti. Az állapotnak nincsenek széles körben elfogadott szűrési stratégiái. A metabolikus szindrómában szenvedőknél nagyobb valószínűséggel alakul ki cukorbetegség, kognitív és májbetegségek. A mai klinikai gyakorlatban a metabolikus szindrómát akkor diagnosztizálják, ha az alábbi öt állapotból legalább három fennáll: hasi elhízás, magas vérnyomás, magas trigliceridszint, alacsony HDL-koleszterinszint és magas éhomi vércukorszint.

“Óriási szükség lenne a metabolikus szindróma kockázatának és súlyosságának megbízható, megismételhető mérésére” - nyilatkozta Dr. Betsy Medina Inojosa, a tanulmány első szerzője. “A testtömegindex-mérések és a testzsírt és izomzatot mérő bioimpedancia-skálák sok ember esetében pontatlanok, más típusú vizsgálatok pedig nem állnak széles körben rendelkezésre.”

Az eszköz kifejlesztéséhez a kutatók 1280 önkéntes segítségével tanítottak be és validáltak egy AI algoritmust. Az önkéntesek a betanítást megelőzően több vizsgálaton estek át, köztük 3D-s testtérfogat-szkenneléseken, szabványosított klinikai kérdőívek kitöltésén, vérvizsgálatokon és hagyományos, a testalkattal kapcsolatos egyéb méréseken. További 133 önkéntesről a Select Research myBVI nevű mobilalkalmazásán keresztül elöl- és oldalnézetből készítettek képeket, hogy később rajtuk teszteljék az eszköz képességét annak értékelésére, hogy az adott személyeknek van-e metabolikus szindrómájuk, és ha igen, mennyire súlyos.

“Ez a kis elemszámú tanulmány kimutatta, hogy a betegek testtérfogat indexének 3D-s képalkotással történő digitális mérése rendkívül pontos alak- és térfogatmérést tesz lehetővé azokban a kritikus régiókban, ahol az egészségtelen zsigeri zsír lerakódik, például a has és a mellkas területén” - fejtette ki Dr. Francisco Lopez-Jimenez, a cikk társszerzője.

A vizsgálatok a csípő, a fenék és a lábak térfogatát is rögzítik - ez a mérőszám az izomtömeggel és az „egészséges” zsírral kapcsolatos. A kulcsfontosságú régiók testtérfogatára vonatkozó 3D-s információk - akár a nagyméretű, helyhez kötött 3D-s szkennerről, akár a mobilalkalmazásból - pontosan jelezték a metabolikus szindróma jelenlétét és súlyosságát, invazív vizsgálatok helyett képalkotás segítségével. A jövőre nézve a következő lépés az alanyok mintájának kiszélesítése lesz, hogy a módszert szélesebb populáción is validálni lehessen.

Írásunk az alábbi közlemények alapján készült:

3D body scanner with AI predicts metabolic syndrome risk

Prediction of presence and severity of metabolic syndrome using regional body volumes measured by a multisensor white-light 3D scanner and validation using a mobile technology

Irodalmi hivatkozás:

Betsy J Medina Inojosa et al, Prediction of presence and severity of metabolic syndrome using regional body volumes measured by a multisensor white-light 3D scanner and validation using a mobile technology, European Heart Journal - Digital Health (2024). DOI: 10.1093/ehjdh/ztae059