AI利用隐私保护的手部图像精准识别疾病
神户大学（Kobe University）
人工智能现在仅通过分析手背和紧握拳头的图像即可准确诊断一种罕见的内分泌疾病。神户大学的这项注重隐私的成果有望建立更高效的转诊系统，并减少社区间的医疗差距。
肢端肥大症是一种罕见的难治性疾病，通常在中年发病，导致手脚增大、面部外观改变，并影响全身骨骼和器官的生长。这种由生长激素过量分泌引起的疾病进展缓慢，可持续数十年，但若不治疗，可能导致危及生命的并发症，使患者预期寿命缩短约10年。神户大学内分泌科医生福冈英典（FUKUOKA Hidenori）表示："由于病情进展缓慢且属于罕见病，诊断往往需要长达十年的时间。"他进一步解释道："随着人工智能工具的进步，人们曾尝试使用照片进行早期检测，但这些方法尚未在临床实践中得到应用。"
在审视当前人工智能研究的挑战时，研究团队发现大多数方法依赖于面部照片，这可能引发隐私担忧。神户大学研究生大町由香（OHMACHI Yuka）表示："为了解决这一问题，我们决定专注于手部——在临床实践中，医生通常会将手部与面部一同检查以进行诊断，特别是因为肢端肥大症常常表现为手部变化。"然而，为了进一步强化隐私保护，他们仅使用手背和紧握拳头的图像，避开了更具个人特征的掌纹图案。这使他们能够获得日本15家医疗机构725名患者的支持，这些患者捐赠了超过11,000张图像用于训练和验证其人工智能模型。
神户大学团队在《临床内分泌学与代谢杂志》（Journal of Clinical Endocrinology & Metabolism）上发表的研究显示，他们的模型以极高的灵敏度和特异性识别该疾病。事实上，该模型的表现甚至优于被要求评估相同照片的资深内分泌科医生。大町由香表示："坦率地说，我惊讶于仅使用手背和紧握拳头的照片就能达到如此高的诊断准确率。我认为特别重要的是，这种方法无需面部特征即可实现如此高水平的性能，使其在疾病筛查方面更加实用。"
研究团队将下一步计划定为将该模型扩展至其他可通过此类照片识别的疾病，如类风湿性关节炎（rheumatoid arthritis）、贫血（anemia）和指端杵状变（finger clubbing）。大町由香表示："这一结果可能是拓展医疗人工智能潜力的起点。"
在医疗实践中，医生不会仅凭手部图像进行诊断，而是依赖广泛的因素和数据。因此，神户大学团队认为他们新开发的模型有机会"补充临床专业知识、减少诊断疏忽并实现早期干预"，正如他们在论文中所写。研究负责人福冈英典表示："我们相信，通过进一步发展这项技术，可以在全面健康检查中创建医疗基础设施，将疑似手部相关疾病的患者转介给专科医生。此外，它还可以支持地区医疗环境中的非专科医生，从而有助于减少那里的医疗差距。"
本研究由兵库科学技术基金会（Hyogo Foundation for Science Technology）资助。研究由福冈大学（Fukuoka University）、兵库医科大学（Hyogo Medical University）、名古屋大学（Nagoya University）、广岛大学（Hiroshima University）、虎之门医院（Toranomon Hospital）、日本医科大学（Nippon Medical School）、鹿儿岛大学（Kagoshima University）、鸟取大学（Tottori University）、山形大学（Yamagata University）、冈山大学（Okayama University）、兵库县加古川医疗中心（Hyogo Prefectural Kakogawa Medical Center）、北海道大学（Hokkaido University）、国际医疗福祉大学（International University of Health and Welfare）、森山纪念医院（Moriyama Memorial Hospital）和甲南女子大学（Konan Women's University）的研究人员合作完成。
神户大学（Kobe University）是一所国立大学，其历史可追溯至1902年创立的神户高等商业学校。如今，它是日本领先的综合性研究型大学之一，拥有11个学部和15个研究生院，学生超过16,000人，教职员工超过1,700人。神户大学融合社会科学与自然科学，培养具有跨学科视角的领导者，创造知识并推动创新以应对社会挑战。
【全文结束】
