تخمین خطر متابولیک با تصاویر گوشی هوشمند فراتر از شاخص توده بدنی
محققان گوگل فریم‌ورک یادگیری عمیقی به نام PhotoScan معرفی کرده‌اند که می‌تواند ترکیب بدن و مقاومت به انسولین را با دقت بالایی از روی تصاویر گوشی هوشمند تخمین بزند.
مقاومت به انسولین یکی از محرک‌های اصلی بیماری‌های متابولیک است که تشخیص زودهنگام آن اهمیت بالایی دارد. اسکن‌های DXA استاندارد طلایی برای اندازه‌گیری ترکیب بدن هستند، اما به دلیل هزینه بالا و نیاز به زیرساخت‌های بالینی برای غربالگری روزمره مناسب نیستند.
پژوهشگران گوگل فریم‌ورک PhotoScan را معرفی کرده‌اند که متریک‌های ترکیب بدن سه‌بعدی مانند درصد چربی بدن و نسبت‌های چربی احشایی را مستقیماً از عکس‌های دوبعدی گوشی هوشمند استخراج می‌کند. این مدل با آموزش روی داده‌های گسترده ارزیابی شده و دقت بالایی در پیش‌بینی مقاومت به انسولین نشان داده است.
این رویکرد غیرتهاجمی می‌تواند مسیر جدیدی را برای غربالگری قابل‌دسترس مقاومت به انسولین و ارزیابی سلامت متابولیک فردی هموار کند.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.