Infrared Thermal Imaging Combined with Machine Learning for Detecting Disease Activity in Rheumatoid Arthritis: A Proof-of-Concept Study
Diese Proof-of-Concept-Studie untersuchte die Kombination aus Infrarot-Thermografie und maschinellem Lernen zur Detektion der Krankheitsaktivität bei rheumatoider Arthritis und stellte fest, dass die Temperatur der gesamten Hand allein zwar keine Schübe unterscheiden konnte, ein binäres Klassifikationsmodell jedoch einen vielversprechenden, aber statistisch nicht eindeutigen Trend zeigte, der eine Validierung in größeren Kohorten erfordert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Rheumatoide Arthritis ist eine Erkrankung, bei der das Immunsystem des Körpers versehentlich die Gelenke angreift, was Schmerzen, Schwellungen und Steifheit verursacht. Für Ärzte ist es entscheidend, genau zu wissen, wie aktiv diese Krankheit zu einem gegebenen Zeitpunkt ist, da dies bestimmt, ob ein Patient stärkere Medikamente benötigt oder ob seine derzeitige Behandlung wirkt. Die Standardmethode zur Messung dieser Aktivität umfasst eine Kombination aus Bluttests und einer körperlichen Untersuchung, bei der ein Arzt zählt, wie viele Gelenke druckempfindlich oder geschwollen sind. Dieser Prozess hat jedoch Mängel. Die Bluttests messen allgemeine Entzündungen, die durch viele Dinge verursacht werden können, nicht nur durch Arthritis, und die körperliche Untersuchung beruht teilweise darauf, wie der Patient seinen eigenen Schmerz beschreibt, was von Person zu Person variieren kann. Aufgrund dieser Unsicherheiten suchen Forscher seit langem nach einem Weg, die Entzündung direkt sichtbar zu machen, ohne Nadeln oder subjektive Fragen. Eine vielversprechende Idee ist es, die Wärme zu nutzen, die entzündete Gelenke natürlich erzeugen. Wenn ein Gelenk entzündet ist, wird es wärmer, ganz so wie ein Feuer heißer brennt als die umgebende Luft. Infrarotkameras können diese Wärme sehen und sie in ein sichtbares Bild verwandeln, das genau zeigt, wo sich die Wärme befindet.
Eine aktuelle Studie setzte sich zum Ziel zu testen, ob diese Wärme als zuverlässiges Werkzeug zur Erkennung eines Schubs der rheumatoiden Arthritis verwendet werden kann. Die Forscher arbeiteten mit einer kleinen Gruppe von elf Patienten, die an dieser Krankheit litten, und neun Personen ohne die Krankheit. Sie nahmen Wärmebilder der Hände der Patienten zu verschiedenen Zeiten auf – sowohl zu Zeitpunkten, an denen die Patienten einen Schub erlebten, als auch zu Zeiten, nachdem sie eine Behandlung erhalten hatten und sich besser fühlten. Das Team nutzte ein Computersystem, um die Temperatur spezifischer Bereiche auf der Hand zu analysieren und nach Mustern zu suchen, die eine kranke Hand von einer gesunden unterscheiden könnten. Sie testeten auch einen fortgeschritteneren Ansatz unter Verwendung von maschinellem Lernen, einer Art von Computerprogramm, das lernt, Muster zu erkennen, indem es Beispiele studiert. Das Ziel war es zu sehen, ob der Computer auf das Wärmebild einer Hand schauen und dem Arzt sagen kann, ob die Arthritis mild, moderat oder schwerwiegend ist oder ob die Krankheit einfach aktiv genug ist, um eine Behandlung zu erfordern.
Das Erste, was die Forscher überprüften, war eine einfache Idee: Konnten sie einfach den einen heißesten Punkt der gesamten Hand betrachten, um zu sagen, ob ein Patient einen Schub hat? Sie verglichen die Maximaltemperatur der Hände von Patienten während eines Schubs mit den Händen gesunder Menschen. Das Ergebnis war eindeutig und unerwartet: Der heißeste Punkt einer kranken Hand war nicht signifikant heißer als der heißeste Punkt einer gesunden Hand. Die Temperaturen waren fast identisch und bewegten sich für beide Gruppen um etwa 98 Grad Fahrenheit. Dieser Befund schloss die Möglichkeit aus, dass eine einzelne, allgemeine Temperaturmessung der Hand als schneller Test für einen Schub dienen könnte. Er deutete darauf an, dass die Wärme durch Arthritis zu spezifisch für einzelne Gelenke ist, um durch die Betrachtung der Hand als Ganzes gesehen zu werden.
Unbeirrt gingen die Forscher zu einer detaillierteren Analyse über. Anstatt die Hand als ein großes Objekt zu betrachten, unterteilten sie das Bild in zwölf spezifische Zonen, die jeweils einem Gelenk oder einem Referenzpunkt entsprachen. Sie speisten die Temperaturdaten dieser einzelnen Zonen in Computermodelle ein, die darauf ausgelegt waren, die Krankheitsaktivität zu klassifizieren. In einem früheren Versuch dieser Analyse hatten die Forscher einen häufigen Fehler bei der Schulung des Computers begangen. Sie hatten zugelassen, dass der Computer Bilder desselben Patienten sowohl in seiner Trainingsphase als auch in seiner Testphase sieht. Dies ist vergleichbar damit, einem Schüler einen Test vorzulegen, der Fragen enthält, die er bereits in seinen Hausaufgaben gesehen hat; der Schüler erzielt vielleicht eine hohe Punktzahl, aber das bedeutet nicht, dass er das Material tatsächlich gelernt hat. Sob�mal die Forscher diesen Fehler korrigierten und sicherstellten, dass der Computer mit Patienten getestet wurde, die er zuvor noch nie gesehen hatte, änderten sich die Ergebnisse drastisch.
Als die Analyse korrekt durchgeführt wurde, konnten die Computermodelle die Patienten nicht mehr zuverlässig in drei Schweregrade einteilen: mild, moderat oder schwerwiegend. Die Modelle schnitten nicht besser ab als ein bloßes Raten der häufigsten Kategorie. Dies bedeutete, dass mit der geringen Anzahl an Patienten in der Studie die Wärmemuster nicht unterscheidbar genug waren, um eine feingliedrige Diagnose darüber zu stellen, wie schlimm die Krankheit war. Als die Forscher jedoch die Fragestellung vereinfachten, zeichnete sich ein anderes Bild ab. Anstatt nach drei Schweregraden zu fragen, baten sie den Computer um eine binäre Entscheidung: Ist die Krankheit aktiv und bedarf einer Behandlung, oder ist sie niedrig genug, um als unter Kontrolle zu gelten? Unter Verwendung eines spezifischen klinischen Schwellenwerts, den Ärzte verwenden, um zu entscheiden, wann ein Patient behandelt werden muss, zeigte das Computermodell einen vielversprechenden Trend. Es identifizierte den Krankheitsstatus in etwa 73 Prozent der Fälle korrekt, was besser war als die Genauigkeit von 58 Prozent, die man durch bloßes Raten des häufigsten Ergebnisses erreichen würde.
Diese Verbesserung war kein garantierter Erfolg, da das Ergebnis nicht den strengen statistischen Standards entsprach, die normalerweise erforderlich sind, um eine Entdeckung zu deklarieren. Die Forscher merkten an, dass ihre Patientengruppe recht klein war, was es schwierig macht, sicher zu sein, dass das beobachtete Muster für alle gelten würde. Das Computermodell, das am besten abschnitt, war ein Algorithmus namens „Random Forest“, der gut darin ist, komplexe, nicht-lineare Beziehungen in Daten zu finden. Die Tatsache, dass dieses Modell einen stabilen Trend über verschiedene Arten der Datentestung hinweg zeigte, deutet darauf hin, dass es etwas Reales in den Wärmesignaturen geben könnte, aber es handelt sich um ein grobes Signal. Es scheint in der Lage zu sein, den Unterschied zwischen einer deutlich aktiven Hand und einer ruhigen Hand zu erkennen, kann aber noch nicht die subtilen Unterschiede zwischen milder und moderater Entzündung unterscheiden.
Die Studie kam zu dem Schluss, dass, obwohl eine einzelne Temperaturmessung der gesamten Hand nicht nützlich ist, um einen Schub zu erkennen, die detaillierte Wärmekarte der Gelenke Potenzial besitzt. Die Forscher fanden heraus, dass das Wärmesignal wahrscheinlich zu subtil ist, um den genauen Schweregrad der Erkrankung mit einer kleinen Stichprobe einzustufen, aber es könnte stark genug sein, um Ärzten bei der Entscheidung zu helfen, ob ein Patient eine Behandlung benötigt. Die Arbeit dient als Proof of Concept und zeigt, dass Infrarotbildgebung in Kombination mit sorgfältiger Computeranalyse eine objektive Sicht auf die Gelenkentzündung bieten kann. Die Autoren betonten jedoch, dass dies noch kein fertiges Werkzeug ist. Um von einem vielversprechenden Trend zu einem zuverlässigen medizinischen Test zu gelangen, muss die Methode an einer viel größeren Patientengruppe validiert werden. Bis dahin bleibt die Technologie eine hoffnungsvolle Möglichkeit statt eines Behandlungsstandards und bietet einen Ausblick auf eine Zukunft, in der Ärzte die „Feuer“ der Arthritis sehen können, ohne den Patienten nach der Hitze fragen zu müssen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.