Η Google παρουσιάζει ένα ερευνητικό μοντέλο που επιχειρεί να εκτιμήσει τη σύσταση του σώματος από απλές δισδιάστατες φωτογραφίες ενός smartphone. Η ιδέα δεν είναι να αντικαταστήσει τη διάγνωση από γιατρό, αλλά να κάνει τον αρχικό εντοπισμό μεταβολικού κινδύνου πιο προσιτό και συχνό.
Τι μετρά το PhotoScan
Το μοντέλο υπολογίζει το συνολικό ποσοστό σωματικού λίπους και εξετάζει την κατανομή του. Ανάμεσα στους δείκτες που αξιοποιεί είναι η αναλογία Android-to-Gynoid (A/G), δηλαδή η σύγκριση του λίπους στον κορμό με εκείνο στους γοφούς και τους μηρούς, καθώς και η αναλογία Visceral-to-Subcutaneous (V/S), που αφορά το σπλαχνικό και το υποδόριο λίπος.
Η κατανομή έχει σημασία επειδή το σπλαχνικό λίπος, γύρω από τα εσωτερικά όργανα, συνδέεται με μεταβολικές επιβαρύνσεις. Ο δείκτης μάζας σώματος και το βάρος από μόνα τους δεν περιγράφουν πάντα αυτή την εικόνα.
Πώς εκπαιδεύτηκε
Σύμφωνα με την πηγή, η Google Research χρησιμοποίησε 35.323 εγγραφές συμμετεχόντων από το UK Biobank, συνδυάζοντας δεδομένα μαγνητικής τομογραφίας με μετρήσεις DXA. Στη συνέχεια, το μοντέλο προσαρμόστηκε σε δεδομένα του PhotoBIA, μιας ομάδας 677 ενηλίκων όπου χρησιμοποιήθηκαν πραγματικές φωτογραφίες smartphone μαζί με αποτελέσματα DXA.
Η ανεξάρτητη επικύρωση έγινε σε 132 άτομα. Εκεί το PhotoScan πέτυχε μέσο απόλυτο σφάλμα 2,15 στην πρόβλεψη του ποσοστού σωματικού λίπους, έναντι 2,91 για συστήματα βιοηλεκτρικής εμπέδησης (BIA) που συναντώνται σε έξυπνα ρολόγια.
Κοντά στη DXA, αλλά όχι ίδια με διάγνωση
Στον εντοπισμό ινσουλινοαντίστασης, ένα βασικό μοντέλο με ηλικία, φύλο και ΔΜΣ έφτασε σε AUROC 0,692. Με την προσθήκη των δεδομένων του PhotoScan η επίδοση ανέβηκε στο 0,760, ενώ τα δεδομένα DXA έφτασαν στο 0,773.
Οι αριθμοί δείχνουν ερευνητική υπόσχεση, όχι έτοιμο διαγνωστικό τεστ για χρήση χωρίς κλινική επίβλεψη. Η ποιότητα των φωτογραφιών, η αντιπροσωπευτικότητα των ομάδων εκπαίδευσης και η ανεξάρτητη αναπαραγωγή των αποτελεσμάτων θα κρίνουν αν το μοντέλο μπορεί να λειτουργήσει με ασφάλεια σε διαφορετικούς πληθυσμούς.
Τι σημαίνει για την Ελλάδα
Αν η τεχνολογία περάσει από την έρευνα σε ρυθμιζόμενη εφαρμογή, θα μπορούσε να ενδιαφέρει ιδιωτικά διαγνωστικά κέντρα, ασφαλιστικές, digital health startups και προγράμματα εταιρικής ευεξίας. Η δυνατότητα ενός φθηνότερου αρχικού screening μπορεί να βοηθήσει ανθρώπους να αναζητήσουν έγκαιρα ιατρική συμβουλή, ιδιαίτερα όταν δεν έχουν εύκολη πρόσβαση σε εξειδικευμένο εξοπλισμό.
Ταυτόχρονα, οι φωτογραφίες σώματος είναι ευαίσθητα δεδομένα υγείας. Μια ελληνική υπηρεσία θα χρειαστεί σαφή συγκατάθεση, ισχυρή προστασία προσωπικών δεδομένων, διαφάνεια για τα όρια του μοντέλου και ανθρώπινη αξιολόγηση πριν από οποιαδήποτε ιατρική απόφαση. Το smartphone μπορεί να γίνει χρήσιμο εργαλείο πρόληψης μόνο όταν η ευκολία του δεν δημιουργεί ψευδή βεβαιότητα.
Πηγή: TechGear