Модель ИИ достигает 98% точности в диагностировании заболеваний посредством анализа языка

Недавнее исследование показало, что модель, работающая на основе искусственного интеллекта, показала впечатляющую точность в 98,71% при диагностировании различных заболеваний путем анализа языков пациентов. Модель на основе ИИ может определить такие состояния, как диабет, инсульт, анемия, астма, проблемы с печенью и желчным пузырем, COVID-19, а также ряд васкулярных и желудочно-кишечных проблем.

В исследовании, анонсированном сегодня Университетом Южной Австралии, использовались различные цветовые модели и алгоритмы машинного обучения для обучения ИИ. Система обрабатывает и классифицирует изображения языка на основе цвета, формы и текстуры. Она была обучена на 5 260 изображениях в семи цветовых категориях и продемонстрировала высокую точность.

В объявлении старший автор Али Аль-Наджи, приглашенный доцент MTU и UniSA, указывает, что этот AI-модель имитирует 2000-летнюю практику традиционной китайской медицины: диагностику заболеваний посредством осмотра языка.

Две учебные больницы на Ближнем Востоке предоставили 60 изображений языков пациентов с различными состояниями здоровья. В ходе исследования, камеры, расположенные в 20 сантиметрах от пациентов, фиксировали цвет их языка, а система обработки изображений в реальном времени предсказывала их состояние здоровья.

Система на базе ИИ была обучена с помощью шести алгоритмов машинного обучения для прогнозирования цвета языка при различных световых условиях. Эти алгоритмы включают наивный Байесовский классификатор (NB), метод опорных векторов (SVM), алгоритм k-ближайших соседей (KNN), деревья решений (DTs), случайный лес (RF) и Экстремальное Градиентное Бустинга (XGBoost).

Несмотря на успехи, исследование имело ограничения. Они включали в себя нежелание пациентов давать согласие на сбор данных и проблемы с отражением камеры, влияющие на точность цвета. Исследователи заявили, что будущие исследования решат эти проблемы с использованием передовых процессоров изображений, фильтров и глубоких техник обучения для улучшения классификации цвета и диагностической точности.

Значительный прогресс был достигнут в области диагностики языка на основе искусственного интеллекта, с улучшениями в извлечении характеристик, разнообразии данных и усовершенствовании алгоритмов, что привело к повышению точности и надежности. Эти достижения подчеркивают потенциал искусственного интеллекта для развития традиционной китайской медицины и других медицинских областей.