Machine Learning Prediction of Coronary Artery Disease Using Palm Images and Clinical Data
Deze studie ontwikkelde en valideerde een machine learning-model voor het voorspellen van coronaire hartziekten met behulp van handpalmbeelden en klinische gegevens, waarbij werd vastgesteld dat hoewel het integreren van klinische informatie de op handpalmen gebaseerde voorspellingen licht verbeterde, een model dat uitsluitend op klinische gegevens vertrouwde de hoogste algehele prestaties behaalde.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Hartziekten blijven een van de meest hardnekkige en dodelijke uitdagingen van het moderne leven, gedreven door vergrijzende populaties en levensstijlen die het cardiovasculaire systeem belasten. Hoewel artsen al lang vertrouwen op bloedtests en beeldvorming om de waarschuwingssignalen van verstopte slagaders op te sporen, vereisen deze methoden vaak dure apparatuur en invasieve procedures. In de zoektocht naar eenvoudigere, niet-invasieve manieren om risico's te screenen, zijn wetenschappers begonnen te kijken naar verborgen aanwijzingen aan het oppervlak van het lichaam. De huid, en met name de handpalm, ontwikkelt zich tijdens dezelfde vroege levensstadia als het hart en de bloedvaten, wat onderzoekers ertoe heeft aangezet zich af te vragen of de patronen op onze handen mogelijk genetische of ontwikkelingsgerelateerde handtekeningen van toekomstige hartproblemen bevatten. Deze vraag bevindt zich op het snijvlak van de traditionele geneeskunde en kunstmatige intelligentie, een veld waar computers worden geleerd om subtiele visuele patronen te herkennen die het menselijk oog misschien mist.
Een team onderzoekers van de Universiteit van Ningbo en verbonden ziekenhuizen in China besloot dit idee te testen door een computermodel te bouwen dat ontworpen is om coronaire hartziekten te voorspellen met niets meer dan een foto van de hand van een patiënt en hun basis medische geschiedenis. Ze verzamelden gegevens van bijna duizend patiënten die een standaard hartkatheterisatieprocedure hadden ondergaan, een test die een definitief beeld geeft van of de slagaders geblokkeerd zijn. Voor elke persoon verzamelde het team een hoogwaardige afbeelding van hun handpalm, samen met details zoals leeftijd, geslacht, bloeddruk en resultaten van bloedtests. Het doel was om te zien of een machine kon leren het onderscheid te maken tussen de handpalmen van mensen met geblokkeerde slagaders en die met gezonde slagaders, en of het toevoegen van eenvoudige gezondheidsfeiten aan de foto de voorspelling nauwkeuriger zou maken.
Om dit werkend te krijgen, moesten de onderzoekers de computer eerst leren hoe de hand in een foto te vinden. Ze gebruikten een geavanceerd beelddetectie-instrument om de handpalm te lokaliseren en de rest van de foto bij te snijden, zodat de computer zich alleen op de relevante huid en lijnen concentreerde. Vervolgens voedden ze duizenden van deze bijgesneden afbeeldingen aan een deep learning-systeem, een vorm van kunstmatige intelligentie die leert door miljoenen voorbeelden te bestuderen. Dit systeem werd getraind om de unieke texturen en rimpelpatronen op de handpalm te herkennen die mogelijk correleren met hartziekten. De onderzoekers bouwten ook een apart model dat uitsluitend gebruikmaakte van de klinische gegevens van de patiënten, zoals hun cholesterolgehaltes en rookgeschiedenis, om te zien hoe goed traditionele cijfers de ziekte op zichzelf konden voorspellen. Ten slotte creëerden ze een derde model dat de foto van de handpalm combineerde met enkele basis gezondheidsfeiten, zoals of de patiënt een hoge bloeddruk had of rookte, om te zien of de twee bronnen van informatie beter samenwerkten.
Toen het team deze modellen testte tegen een groep patiënten die de computer nog nooit eerder had gezien, boden de resultaten een duidelijk, zij het genuanceerd, beeld. Het model dat alleen naar palmafbeeldingen keek, presteerde matig goed en identificeerde de status van de ziekte ongeveer tweederde van de tijd correct. Dit suggereert dat de handpalm inderdaad enige visuele informatie bevat die gerelateerd is aan de hartgezondheid, wat waarschijnlijk een weerspiegeling is van de gedeelde genetische ontwikkeling van de huid en het cardiovasculaire systeem. Wanneer de onderzoekers basis klinische informatie toevoegden aan de foto's van de handpalm, verbeterde de nauwkeurigheid van het model licht, wat aangeeft dat de gezondheidsfeiten nuttige context boden bij de visuele data. Echter, het krachtigste instrument bleek degene te zijn die de hand volledig negeerde. Het model dat uitsluitend werd gebouwd op klinische gegevens—waarbij factoren zoals leeftijd, bloeddruk en specifieke bloedmarkers werden gebruikt—presteerde beter dan zowel het model met enkel afbeeldingen als het gecombineerde model. Het bereikte de hoogste nauwkeurigheid en was het beste in het correct identificeren van patiënten die daadwerkelijk de ziekte hadden.
De studie concludeert dat hoewel palmfoto's een meetbaar, reëel signaal voor hartziekten bevatten, ze nog geen vervanging zijn voor een standaard medische beoordeling. De computer leerde dat het directe bewijs gevonden in bloedtests en de patiëntengeschiedenis veel betrouwbaarder is voor het voorspellen van geblokkeerde slagaders dan de patronen op de huid. De onderzoekers suggereren dat palmfotografie uiteindelijk als een handige, goedkope screeningsmethode zou kunnen dienen in plaatsen zoals buurtklinieken of gezondheidsbeurzen, bijvoorbeeld om individuen te signaleren die meer grondige tests nodig hebben. Totdat de technologie echter is verfijnd en getest op veel grotere groepen mensen, blijft het een aanvullende hulp in plaats van een zelfstandige diagnose. Het werk demonstreert dat hoewel het oppervlak van het lichaam geheimen over onze interne gezondheid kan fluisteren, de directe metingen van onze fysiologie nog steeds het hardst spreken.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.