Die Weltgesundheitsorganisation (WHO) hat erklärt, dass Herz-Kreislauf-Erkrankungen (CVD), insbesondere die koronare Herzkrankheit (KHK), weltweit die häufigste Todesursache aufgrund von Krankheiten darstellen und für 17,9 Millionen Todesfälle pro Jahr verantwortlich sind. Hypertonie ist ein wichtiger unabhängiger Risikofaktor für die Entwicklung von KHK. Frühe Diagnose und rechtzeitige Behandlung von Patienten mit KHK haben sich als äußerst wirksam erwiesen und zu besseren Ergebnissen geführt. Die Verwendung von künstlicher Intelligenz (KI) hat sich als vielversprechend für nicht-invasive diagnostische Methoden zur Früherkennung von KHK erwiesen. Die Daten der Patienten weisen komplexe und multidimensionale Merkmale auf, bei denen maschinelles Lernen (ML) gegenüber traditionellen statistischen Methoden Vorteile aufweist. In klinischer Diagnose richten sich die Schlüsselmerkmale auf die Symptome und Anzeichen des Patienten.
Einige Gelehrte haben bereits KI genutzt, um diagnostische Modelle für KHK zu entwickeln, wobei die vorherrschenden Variablen hauptsächlich klinische Risikofaktoren sind. Es wurde auch festgestellt, dass zusätzliche biologische Informationen für die Diagnose von KHK von Bedeutung sind, wie Gesichtsbilder und Pulswellen. In der klinischen Praxis wird der Fokus hauptsächlich auf den Symptomen und Anzeichen des Patienten gelegt. Die traditionelle chinesische Medizin (TCM) verwendet einzigartige und effektive diagnostische Strategien, insbesondere bei der Beobachtung der äußeren Bedingungen der Patienten. Die Zungendiagnose ist ein entscheidender Bestandteil des TCM-Beobachtungsprozesses.
Eine neuartige Perspektive wurde eingeführt, die darauf hinweist, dass Zungenbilder einen anwendbaren diagnostischen Wert für die Diagnose von KHK haben. Zungenbildmerkmale könnten neue Risikoindikatoren für KHK werden, was die Machbarkeit unterstreicht, die klinische Diagnose durch TCM-Diagnosetheorien mit moderner Technologie zu ergänzen. Trotz der Identifizierung des potenziellen Werts der Zunge bei der Diagnose von KHK hat diese Studie auch einige Einschränkungen, darunter eine relativ kleine Gesamtstichprobe und die Fokussierung nur auf hypertensive Populationen. Potenziell könnten auch neuere KI-Modelle verwendet werden, um die Feinheiten von Veränderungen in Zungenbildern genauer zu erfassen und die Ergebnisse dieser Studie weiter zu optimieren. Diese Forschung bietet eine neue Perspektive für die Integration traditionellen medizinischen Wissens mit moderner Technologie, und sie hat das Potenzial, die Wirksamkeit von Diagnosemodellen für die Erkennung von KHK entscheidend zu verbessern.