Opracowanie algorytmu opartego na sztucznej inteligencji do określania tłuszczu trzewnego

Naukowcy w Australii opracowują algorytm sztucznej inteligencji (AI), który będzie w stanie oszacować ilość niebezpiecznego „ukrytego tłuszczu” (znanego również jako tłuszcz trzewny) na podstawie skanów gęstości kości, które służą do wykrywania złamań kręgosłupa.

Australijski Uniwersytet Edith Cowan (ECU) w swoim oświadczeniu z 4 września poinformował, że tłuszcz trzewny, czyli szkodliwy tłuszcz brzuszny otaczający narządy wewnętrzne, jest czynnikiem wywołującym poważne problemy zdrowotne, takie jak choroby serca, cukrzyca i nowotwory.

Zespół badawczy ECU trenuje algorytm uczenia maszynowego w celu analizy skanów bocznej absorpcjometrii dwuwiązkowej promieni rentgenowskich (DXA) kręgosłupa, stosowanych do oceny gęstości kości, aby na podstawie tych obrazów dokładnie przewidywać ilość tłuszczu trzewnego, dostarczając cennych nowych informacji na temat zdrowia bez konieczności przeprowadzania dodatkowych badań.

Zdaniem badaczy, obecnie stosowane metody szacowania tłuszczu trzewnego, takie jak wskaźnik masy ciała (BMI), obwód talii i stosunek obwodu talii do obwodu bioder, mają pewne ograniczenia, ponieważ nie pozwalają na rozróżnienie różnych rodzajów tkanki tłuszczowej. W rezultacie ocena otyłości jest niejednoznaczna.

Techniki obrazowania, takie jak obrazowanie metodą rezonansu magnetycznego (MRI) i tomografia komputerowa (TK), pozwalają na dokładny pomiar tłuszczu trzewnego, ale są drogie, a w przypadku TK – wiążą się z narażeniem pacjentów na wyższe dawki promieniowania.

Pan Syed Zulqarnain Gilani, starszy wykładowca i wiodący naukowiec zajmujący się sztuczną inteligencją na ECU, powiedział, że model uczenia maszynowego został wytrenowany na tysiącach obrazów, a kolejnym krokiem będzie włączenie większej liczby zestawów danych z całego świata, aby zapewnić jak największą skuteczność./.

(TTXVN/Wietnam+)

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