AI berpotensi untuk mengesan risiko awal tekanan kronik.

Menggunakan kecerdasan buatan (AI) untuk menganalisis imbasan tomografi berkomputer (CT) rutin boleh membantu mengesan risiko kesihatan jangka panjang awal yang berkaitan dengan tekanan.

Kajian ini, yang dibentangkan di mesyuarat tahunan Persatuan Radiologi Amerika Utara (RSNA) pada awal Disember, menggunakan model pembelajaran mendalam – satu bentuk AI yang dilatih untuk mengenali corak dalam set data yang besar – untuk menganalisis imej perubatan secara automatik.

Menurut Health Canada, tekanan dikaitkan dengan pelbagai masalah kesihatan fizikal dan mental, termasuk penyakit jantung, beberapa jenis penyakit usus, herpes, penyakit mental dan sistem imun yang lemah. (Sumber: iStock)

Ia merupakan model yang dilatih untuk mengenal pasti dan mengukur saiz kelenjar adrenal, iaitu organ kecil yang memainkan peranan penting dalam tindak balas tekanan badan dengan menghasilkan kortisol.

Menurut Health Canada, tekanan dikaitkan dengan pelbagai masalah kesihatan fizikal dan mental, termasuk penyakit jantung, beberapa jenis penyakit usus, herpes, penyakit mental dan sistem imun yang lemah.

Walau bagaimanapun, pada masa ini tiada kaedah objektif dan tersedia secara meluas untuk mengukur kesan biologi tekanan dari semasa ke semasa.

Elena Ghotbi, seorang penyelidik pasca doktoral di Sekolah Perubatan Universiti Johns Hopkins dan penulis utama kajian itu, berkata hipotesis awal berpunca daripada fakta bahawa pada masa ini tiada penunjuk yang mudah diakses dan diterima secara meluas untuk mengukur tekanan kronik dalam perubatan dan pengimejan perubatan.

Oleh kerana kelenjar adrenal menghasilkan kortisol—hormon pusat dalam tindak balas tekanan badan—pasukan penyelidikan membuat hipotesis bahawa isipadu kelenjar adrenal yang diukur pada imbasan CT mungkin berkaitan dengan petunjuk yang mencerminkan tekanan kronik.

Tidak seperti ujian kortisol tunggal, yang hanya merekodkan tekanan pada satu ketika tertentu, isipadu kelenjar adrenal boleh mencerminkan tekanan fisiologi yang berpanjangan.

Berdasarkan ini, pasukan penyelidikan menggunakan model AI terlatih untuk membahagikan kelenjar adrenal secara automatik pada imbasan CT, dengan itu mengira Indeks Isipadu Adrenal (AVI), yang ditentukan dengan membahagikan jumlah isipadu kelenjar adrenal (dalam cm³) dengan kuasa dua ketinggian pesakit (dalam m).

Keputusan menunjukkan bahawa mereka yang melaporkan tahap tekanan yang tinggi mempunyai skor AVI yang lebih tinggi berbanding mereka yang mempunyai tahap tekanan yang rendah.

Penulis Ghotbi selanjutnya menyatakan bahawa para penyelidik dapat menunjukkan bahawa isipadu kelenjar adrenal berkaitan dengan tahap hormon kortisol, tahap tekanan yang ditunjukkan oleh pesakit dalam soal selidik piawai dan hasil kardiovaskular jangka panjang.

Profesor Radiologi di Universiti Johns Hopkins dan pengarang bersama kajian itu, Shadpour Demehri, berkata kaedah ini boleh membantu doktor mendapatkan lebih banyak maklumat biologi daripada imbasan CT yang biasanya dilakukan untuk tujuan lain.

Profesor Demehri menyatakan bahawa pada masa ini tiada ukuran yang pantas dan objektif untuk menilai tekanan kronik, sementara setiap individu melihat dan meluahkan tekanan dengan cara yang berbeza. Oleh itu, pasukan penyelidikan memberi tumpuan kepada kesan biologi tekanan, dan bukannya aspek psikologi.

Kedua-dua penulis menekankan bahawa penemuan ini hanyalah awal dan memerlukan pengesahan selanjutnya merentasi populasi, kumpulan umur dan sistem pengimejan yang berbeza, dengan menyatakan bahawa pengesahan adalah penting sebelum ukuran ini boleh digunakan secara klinikal.

Walau bagaimanapun, Profesor Demehri berkata bahawa keupayaan untuk menggunakan algoritma tersebut pada berjuta-juta imej CT menunjukkan bahawa AI boleh mengesan isyarat biologi yang sebelum ini tidak dapat diukur.

Sumber: https://baoquocte.vn/ai-co-tiem-nang-phat-hien-som-nguy-co-cang-thang-man-tinh-338441.html