Ишемическая болезнь сердца (ИБС) является наиболее распространенной причиной смерти от болезней во всем мире. По данным Всемирной организации здравоохранения, ИБС ежегодно становится причиной 17,9 миллионов смертей во всем мире, что составляет почти треть всех смертей от болезней в год.

Коронарная ангиография в настоящее время является наилучшим методом подтверждения диагноза ИБС, однако она дорогая и инвазивная, представляет риск для пациентов и не подходит для ранней диагностики и оценки риска заболевания.

В поисках более безопасного, недорогого и эффективного метода диагностики исследовательская группа из Школы традиционной китайской медицины Пекинского университета китайской медицины, Школы естественных наук Пекинского университета китайской медицины и Школы традиционной китайской медицины Хунаньского университета китайской медицины использовала искусственный интеллект (ИИ) для разработки диагностического алгоритма на основе визуализации языка. Их работа опубликована в журнале Frontiers in Cardiovascular Medicine.

Недавние исследования в области разработки диагностических моделей для ИБС были сосредоточены на клинических факторах риска как переменных. Недавние исследования также установили, что дополнительные биологические компоненты, такие как пульсовые волны и внешний вид лица, могут играть значительную роль в установлении диагноза ИБС.

Однако, хотя симптомы и признаки пациента составляют основу клинического диагноза, исследователи отмечают, что традиционная китайская медицина действует иначе, хотя и довольно эффективно.

Как традиционная китайская медицина влияет на эту новую работу

«Традиционная китайская медицина (ТКМ) использует уникальные и эффективные диагностические стратегии, в частности, при наблюдении за внешним состоянием пациентов. Теория ТКМ утверждает, что «внутренние заболевания проявляются внешне», тем самым позволяя практикующим врачам оценивать тяжесть заболеваний посредством наблюдения», — пишет группа в новом исследовании.

Ключом к наблюдению ТКМ является диагностика языка, которая включает оценку цвета, налета и формы языка. Язык, изобилующий нервами и кровеносными сосудами, функционирует как неотъемлемая часть сердечно-сосудистой системы, и его внешний вид может меняться по мере развития системных заболеваний и состояний, особенно тех, которые влияют на кровообращение. Более того, по крайней мере 14 исследований с 2019 года установили, что наблюдение за языком является эффективным средством диагностики заболеваний.

Используя эти знания, команда попыталась выяснить, могут ли изображения языка служить определяющей основой для неинвазивной диагностики ИБС.

Разработка диагностической модели САПР

Для создания своей структуры машинного обучения команда выбрала сеть ResNet-18, предварительно обученную на наборе данных ImageNet. Они построили две диагностические структуры САПР: одну, основанную только на факторах риска САПР, и вторую, включающую глубокие особенности изображений языка с факторами риска САПР. Выбранный ими алгоритм извлечения особенностей языка, основанный на структуре Deeplab V3 +, продемонстрировал общую точность более 99%.

Команда оценила несколько алгоритмов машинного обучения и в конечном итоге выбрала XGBoost, который показал наилучшие результаты в задаче классификации, включающей «глубокие особенности изображений языка» и факторы риска.

Кроме того, они объясняют, что при сравнении алгоритмов машинного обучения (некоторые из них были запрограммированы только с учетом факторов риска, а другие — с учетом факторов риска и особенностей изображения языка) они определили, что «включение особенностей изображения языка значительно повысило производительность алгоритма, что указывает на то, что добавление особенностей языка в качестве входных переменных положительно влияет на оптимизацию алгоритма».

В период с марта 2019 года по ноябрь 2022 года исследователи набирали пациентов с гипертонией в возрасте от 18 до 85 лет из четырех разных больниц, в конечном итоге составив группу исследования из 244 пациентов с гипертонией и 166 дополнительных пациентов с гипертонией в сочетании с ИБС.

Результаты и ограничения

Среди примечательных результатов, диагностический алгоритм ИБС команды показал себя особенно хорошо у испытуемых в возрасте 65 лет и старше и дал схожие результаты для мужчин и женщин, тем самым продемонстрировав хорошую способность к обобщению. Он также показал большую точность суждений в случаях с тремя или более факторами риска, «подчеркивая важность учета множественных факторов риска при диагностике ИБС», пишут исследователи.

Ограничениями исследования являются отсутствие пациентов из разных стран и этнических групп; небольшой размер выборки, основанной только на пациентах с гипертонией; использование одного типа оборудования для сбора изображений языка, что ограничивает применимость диагностической модели с альтернативными устройствами для сбора данных и в различных ситуациях.

Исследователи предполагают, что будущая работа должна включать более крупную и широкую выборку для проверки и оптимизации их диагностической модели. Они также отмечают, что интеграция дополнительных биомаркеров с изображениями языка может позволить создать более широкую модель. Однако это исследование служит полезной основой для следующих шагов.

«Наша работа представляет новую перспективу, предполагая, что изображения языка имеют применимую диагностическую ценность для диагностики ИБС», — заключают исследователи. «Особенности изображения языка могут стать новыми индикаторами риска ИБС, демонстрируя возможность интеграции теорий ТКМ с современными технологиями».