Ανάπτυξη αλγορίθμου βασισμένου σε τεχνητή νοημοσύνη για τον προσδιορισμό του σπλαχνικού λίπους

Το σπλαχνικό λίπος, το επιβλαβές λίπος στην κοιλιά που περιβάλλει τα όργανα του σώματος, συμβάλλει σε σοβαρά προβλήματα υγείας όπως οι καρδιακές παθήσεις, ο διαβήτης και ο καρκίνος.

Ερευνητές στην Αυστραλία αναπτύσσουν έναν αλγόριθμο Τεχνητής Νοημοσύνης (AI) που μπορεί να εκτιμήσει την ποσότητα του επικίνδυνου «κρυμμένου λίπους» (γνωστού και ως σπλαχνικού λίπους) από σαρώσεις οστικής πυκνότητας – οι οποίες χρησιμοποιούνται για την ανίχνευση καταγμάτων της σπονδυλικής στήλης.

Σε ανακοίνωσή του, το Πανεπιστήμιο Edith Cowan (ECU) της Αυστραλίας δήλωσε στις 4 Σεπτεμβρίου ότι το σπλαχνικό λίπος, το επιβλαβές λίπος στην κοιλιά που περιβάλλει τα όργανα του σώματος, αποτελεί παράγοντα που προκαλεί σοβαρά προβλήματα υγείας, όπως καρδιακές παθήσεις, διαβήτη και καρκίνο.

Η ερευνητική ομάδα του ECU εκπαιδεύει έναν αλγόριθμο μηχανικής μάθησης για την ανάλυση των σαρώσεων απορρόφησης ακτίνων Χ διπλής ενέργειας (DXA) της πλευρικής σπονδυλικής στήλης, που χρησιμοποιούνται για την αξιολόγηση της οστικής πυκνότητας, για την ακριβή πρόβλεψη του σπλαχνικού λίπους από αυτές τις εικόνες, παρέχοντας πολύτιμες νέες πληροφορίες για την υγεία χωρίς την ανάγκη πρόσθετων εξετάσεων.

Οι τρέχουσες μέθοδοι για την εκτίμηση του σπλαχνικού λίπους, όπως ο δείκτης μάζας σώματος (ΔΜΣ), η περιφέρεια μέσης και η αναλογία μέσης-γοφών, έχουν περιορισμούς επειδή δεν μπορούν να διακρίνουν μεταξύ διαφορετικών τύπων σωματικού λίπους, οδηγώντας σε ασυνεπείς αξιολογήσεις της παχυσαρκίας, σύμφωνα με τους ερευνητές.

Οι τεχνικές απεικόνισης όπως η μαγνητική τομογραφία (MRI) και η αξονική τομογραφία (CT) μπορούν να μετρήσουν με ακρίβεια το σπλαχνικό λίπος, αλλά είναι ακριβές και, στην περίπτωση της αξονικής τομογραφίας, μπορούν να εκθέσουν τους ασθενείς σε υψηλότερα επίπεδα ακτινοβολίας.

Ο κ. Syed Zulqarnain Gilani, ανώτερος λέκτορας και κορυφαίος επιστήμονας Τεχνητής Νοημοσύνης στο ECU, δήλωσε ότι το μοντέλο μηχανικής μάθησης έχει εκπαιδευτεί σε χιλιάδες εικόνες και το επόμενο βήμα είναι η ενσωμάτωση περισσότερων συνόλων δεδομένων από όλο τον κόσμο για να είναι όσο το δυνατόν πιο αποτελεσματικό.

(TTXVN/Βιετνάμ+)

Πηγή: https://www.vietnamplus.vn/phat-trien-thuat-toan-su-dung-ai-de-xac-dinh-luong-mo-trong-noi-tang-post1059916.vnp