Die moderne Medizin hat dank Fortschritten in Bereichen wie der medizinischen Bildgebung und der Genetiktests die Fähigkeit, viele Krankheiten früher und genauer zu erkennen als je zuvor. Trotzdem steht das Fachgebiet vor der Herausforderung der zeitnahen Lieferung dieser diagnostischen Tests. Oft suchen Menschen erst dann medizinische Hilfe, wenn ihre Symptome bereits fortgeschritten sind. Aufgrund der oft teuren, invasiven oder zeitaufwändigen und umständlichen Tests meiden viele Patienten das Problem.
Es wird gehofft, dass tragbare Geräte und künstliche Intelligenz (KI)-gestützte Werkzeuge medizinische Diagnosetests bald weniger umständlich und teuer machen werden, sodass Probleme früher erkannt werden können. Ein solches Tool wurde kürzlich von einem Team unter der Leitung von Forschern der Middle Technical University beschrieben. Es ist so einfach und schnell zu bedienen wie das Fotografieren der Zunge. Es verwendet dann KI, um eine Vielzahl potenzieller medizinischer Zustände mit hoher Genauigkeit zu diagnostizieren.
Es ist bekannt, dass Farbe, Form, Dicke und andere Faktoren, die mit der Zunge verbunden sind, starke Indikatoren für zugrunde liegende medizinische Zustände wie Diabetes, Schlaganfall, Anämie, Asthma, Leber- und Gallenblasenerkrankungen, COVID-19 sowie verschiedene vaskuläre und gastrointestinale Probleme sein können. Die Forscher haben dieses Wissen genutzt, um einen maschinellen Lernalgorithmus zu entwickeln, der ein Bild der Zunge analysieren und deren Farbe klassifizieren kann, was als Proxy für die Diagnose spezifischer Krankheiten dient.
Um die beste Methode zu finden, wurden sechs verschiedene maschinelle Lernalgorithmen wie Support Vector Machines und Entscheidungsbäume evaluiert. Ein Trainingsdatensatz mit über 5.000 Bildern wurde verwendet, um jedes Modell zu trainieren. Nach Bewertung der Leistung jedes Algorithmus stellte sich heraus, dass die Extreme Gradient Boost (XGBoost)-Methode am besten abschnitt. Diese Methode war in fast 99 Prozent der Fälle in der Lage, die Farbe der Zunge in Bildern richtig zu klassifizieren, auch unter herausfordernden Lichtverhältnissen.
Die experimentelle Einrichtung des Tools läuft derzeit auf einem Laptop mit einer Webcam. Durch die relative Einfachheit des Algorithmus und die Robustheit der Klassifikationen könnten die Methoden jedoch in Zukunft auf bequemere Plattformen wie Smartphones übertragen werden. Dadurch würde die Durchführung diagnostischer Tests erheblich vereinfacht. Eine Benachrichtigung alle paar Wochen oder Monate, um ein Bild der Zunge zu machen, würde ausreichen, um einen großen Teil der Bevölkerung zu testen – auch Personen, die keine bekannten Risikofaktoren haben und keine Warnsignale gezeigt haben.