神户大学内分泌科医生开发的人工智能系统仅通过分析手背和握拳照片即可准确诊断肢端肥大症。这一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资源不平等。图源：神户大学 注重隐私优先的AI仅凭手部照片即可诊断缩短寿命的激素疾病。
神户大学的研究人员开发了一种人工智能系统，通过检查手背和握拳照片即可识别一种罕见的内分泌疾病。该方法避免使用面部图像，以隐私保护为设计理念。研究团队认为，此工具可帮助医生更高效地将患者转诊至专科医生，并缩小医疗服务获取的差距。
肢端肥大症与诊断延迟
肢端肥大症是一种罕见且难以治疗的疾病，通常始于中年。它由生长激素过量分泌引起，导致手脚肿大、面部明显变化以及骨骼和内脏器官的异常生长。该疾病在多年内逐渐发展。若不治疗，可引发严重并发症，并将预期寿命缩短约10年。
神户大学内分泌科医生福冈秀典表示：“由于该疾病进展缓慢且属于罕见病，往往需要长达十年时间才能确诊。”他补充道：“随着AI工具的进步，曾有人尝试用照片进行早期检测，但尚未在临床实践中应用。”
神户大学团队仅使用手背和握拳图像，避免了更具个体差异的掌纹图案。这使他们获得了日本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AI模型。研究团队在论文中写道：“由于数据收集和图像采集在多家机构进行，使用了不同的相机、光照条件和工作人员，该研究反映了真实世界的变异性，从而增强了模型的稳健性并支持其临床适用性。”图源：大町由香等，《临床内分泌学与代谢杂志》（DOI: 10.1210/clinem/dgag027）
以隐私为中心的AI方法
在回顾早期AI研究时，研究团队注意到许多系统依赖面部照片，这可能引发隐私担忧。神户大学研究生大町由香解释道：“为解决这一担忧，我们决定专注于手部——在临床诊断中，我们通常将手部与面部一同检查，特别是因为肢端肥大症常在手部表现出变化。”
为进一步保护患者身份，研究人员将数据集限制在手背和握拳图像，刻意排除包含独特纹路的掌部图像。这种注重隐私的策略鼓励了广泛参与。来自日本15家医疗中心的725名患者贡献了超过11,000张图像，用于训练和测试AI系统。
研究结果显示高准确率
今日（2月27日）发表在《临床内分泌学与代谢杂志》上的研究结果显示，该模型在检测肢端肥大症时具有极高的灵敏度和特异性。在使用相同照片的并排比较中，AI系统的性能优于经验丰富的内分泌科医生。
大町由香表示：“坦率地说，我惊讶于仅凭手背和握拳照片就能达到如此高的诊断准确率。我认为特别重要的是，在不使用面部特征的情况下实现了这一性能水平，这使得该方法在疾病筛查中更为实用。”
将AI筛查扩展至其他疾病
研究团队计划调整其系统，以识别手部出现可见变化的其他疾病，包括类风湿关节炎、贫血和杵状指。大町由香表示：“这一结果可能是扩展医疗AI潜力的切入点。”
支持医生并减少医疗差距
医生在诊断时不会仅依赖手部图像，而是会考虑病史、实验室检查和其他临床信息。神户大学团队将他们的AI工具视为支持而非取代医疗专业人员的方式。他们在论文中写道，它“可以补充临床专业知识、减少诊断疏漏并实现早期干预。”
研究负责人福冈秀典表示：“我们相信，通过进一步开发该技术，可以在全面健康检查中创建医疗基础设施，将手部相关疾病的疑似病例转诊至专科医生。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资源不平等。”
参考文献：“基于手部图像深度学习的自动肢端肥大症检测：一项多中心观察性研究”，2026年2月27日，《临床内分泌学与代谢杂志》。
DOI: 10.1210/clinem/dgag027
本研究由兵库科学技术基金会资助。合作者包括来自福冈大学、兵库医科大学、名古屋大学、广岛大学、虎之门医院、日本医科大学、鹿儿岛大学、鸟取大学、山形大学、冈山大学、兵库县加古川医疗中心、北海道大学、国际医疗福祉大学、森山纪念医院和甲南女子大学的研究人员。
【全文结束】
