Infrared Thermal Imaging Combined with Machine Learning for Detecting Disease Activity in Rheumatoid Arthritis: A Proof-of-Concept Study
这项概念验证研究评估了红外热成像结合机器学习在检测类风湿关节炎疾病活动度方面的应用，结果发现虽然仅凭全手温度无法区分病情发作，但二分类模型显示出一种具有前景但统计学上尚无定论的趋势，有待在更大规模的队列中进行验证。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
类风湿关节炎是一种人体免疫系统错误地攻击关节，从而导致疼痛、肿胀和僵硬的疾病。对于医生而言，准确了解该疾病在任何给定时刻的活跃程度至关重要，因为这决定了患者是否需要更强的药物，或者目前的治疗是否有效。衡量这种活跃度的标准方法结合了血液检查和体格检查，其中医生会统计有多少个关节存在压痛或肿胀。然而，这个过程存在缺陷。血液检查测量的是普遍的炎症，而这种炎症可以由许多因素引起，而不只是关节炎；此外，体格检查部分依赖于患者对自己疼痛的描述，而这种描述因人而异。由于这些不确定性，研究人员长期以来一直在寻找一种无需使用针头或主观提问，就能直接观察到炎症的方法。一个很有前景的想法是利用发炎关节自然产生的热量。当关节发炎时，它会变热，就像火比周围的空气燃烧得更旺一样。红外热像仪可以捕捉到这些热量，并将其转化为可见的图像，显示出热量具体位于何处。
最近的一项研究旨在测试这种热量是否可以作为一种可靠的工具，来发现类风湿关节炎的爆发。研究人员与一小组包含11名此类疾病患者和9名非患者的人员合作。他们在患者经历病情爆发以及接受治疗并感觉好转的不同时间点，拍摄了他们手部的热成像图。团队使用计算机系统分析手部特定区域的温度，寻找可能区分患病手部与健康手部的模式。他们还测试了一种更先进的方法，即使用机器学习——这是一种通过学习实例来识别模式的计算机程序。其目标是看计算机能否通过观察手部的热图，告诉医生关节炎是轻度、中度还是重度，或者仅仅是判断该疾病是否活跃到需要进行治疗的程度。
研究人员首先检查了一个简单的想法：他们能否仅仅通过观察整个手部的单个最热点来判断患者是否正处于爆发期？他们将患者发作期间手部的最高温度与健康人员的手部进行了比较。结果非常明确且令人意外：患病手部的最热点并不比健康手部的最热点显著热。两者的温度几乎完全相同，都维持在98华氏度左右。这一发现排除了利用手部整体单一温度读数作为快速检测爆发期的可能性。这表明，关节炎产生的热量对于单个关节来说过于具有特异性，无法通过观察整只手的整体情况来体现。
研究人员并未因此退缩，而是转向了更详细的分析。他们不再将手作为一个大的整体来看待，而是将其分解为十二个特定的区域，每个区域对应一个关节或一个参考点。他们将来自这些独立区域的温度数据输入到旨在对疾病活动度进行分类的计算机模型中。在早期的分析尝试中，团队在训练计算机时犯了一个常见的错误。他们让计算机在训练阶段和测试阶段都能看到来自同一名患者的照片。这就像是给学生一份包含了他们已经做过的家庭作业题目的考试；学生可能会得到高分，但这并不意味着他们真正掌握了知识。一旦研究人员纠正了这个错误，并确保计算机在从未见过的患者身上进行测试，结果发生了戏剧性的变化。
当分析正确进行时，计算机模型已无法可靠地将患者分为三个严重程度类别：轻度、中度和重度。模型的表现并不比仅仅猜测最常见的类别更好。这意味着在研究样本量较小的情况下，热量模式不够显著，无法进行细粒度的疾病严重程度诊断。然而，当研究人员简化了问题后，不同的景象出现了。他们不再要求计算机区分三个等级，而是要求计算机做一个二元选择：疾病是活跃并需要治疗，还是已经低到可以被视为受控状态？通过使用医生用来决定何时进行治疗的特定临床阈值，计算机模型显示出了一个令人期待的趋势。它正确识别了约73%的病例状态，这优于通过简单猜测最常见结果所能达到的58%的准确率。
这种进步并非绝对的成功，因为该结果尚未达到通常宣布一项发现所需的严格统计标准。研究人员指出，他们的患者群体相当小，这使得很难确定他们观察到的模式是否适用于所有人。表现最好的计算机模型是一种被称为“随机森林”的算法，这种算法擅长发现数据中复杂的非线性关系。该模型在不同数据测试方式下展现出的稳定趋势表明，热信号中可能确实存在某种真实的东西，但这是一个粗略的信号。它似乎能够分辨出一只明显活跃的手和一只安静的手之间的区别，但它目前还无法区分轻度和中度炎症之间的微妙差异。
研究结论认为，虽然单次的整手温度读数对于检测爆发期并无用处，但关节的详细热图具有潜力。研究人员发现，在样本量较小时，热信号可能过于微弱，无法对疾病的确切严重程度进行分级，但它可能足够强大，足以帮助医生决定患者是否需要治疗。这项工作是一项概念验证，表明红外成像结合精密的计算机分析可以提供观察关节炎症的客观视角。然而，作者强调这还不是一个成熟的工具。要从一个有前景的趋势转变为可靠的医疗检测手段，该方法需要在规模更大的患者群体中进行验证。在此之前，这项技术仍是一个充满希望的可能性而非临床标准，它让我们窥见了这样一个未来：医生或许能够通过观察，直接看到类风湿关节炎引发的“火焰”，而无需询问患者关于热度的感受。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。