受中医原理启发，研究人员使用人工智能分析舌色作为诊断工具，准确率超过96%
数千年来，中医 practitioners 一直将舌诊作为全面检查的一部分，仔细审视患者的舌色、形状和舌苔，以检测疾病。中医认为舌色尤其具有诊断价值——如今，一些研究人员受近期研究的鼓励，这些研究指向舌色与健康因素之间存在可测量的关联，他们正致力于将这一古老诊断方法与当今的人工智能技术相结合。
中医在全球科学界仍是一个有争议的话题。世界卫生组织于2022年正式将中医诊断纳入《国际疾病分类》第11次修订版，这是全球健康信息分类的标准。但大多数高知名度的研究对此持谨慎态度。2015年一篇关于中医前景的综述文章作者写道："尽管中医在全球的使用不断扩大，其治疗效益得到认可，但从循证医学角度缺乏有力证据阻碍了西医界对中医的接受及其融入主流医疗。"不过，学术界仍存在强烈的兴趣。
密苏里大学专注于计算生物学和生物信息学研究的董旭表示，在中医中，"舌色与血液和气（中医术语，常译为'生命能量'）的状况密切相关，是中医 practitioners 评估患者整体健康的首要指标"。但舌诊可能高度主观：它完全依赖于 individual practitioner 的色彩感知和分析。
布法罗大学的牙周病专家、微生物学家和口腔生物学家弗兰克·斯卡纳皮科表示，在西医中，没有标准化的临床系统常规用于监测舌头特征，尽管舌头上的特定病变可作为某些癌症的指标——一些研究已将舌象与乳腺癌和银屑病等特定疾病联系起来。哈佛牙医学院的牙科健康专家伊丽莎白·阿尔珀特补充说，舌检通常是牙医和卫生师进行口腔癌常规筛查的一部分，但其准确性取决于临床环境中提供者的教育和经验。
然而，计算技术的巨大发展正促使一些受中医启发的医学研究人员重新审视舌头。2024年发表在《Technologies》杂志上的一项研究的作者使用机器学习模型对舌色进行分类，并预测了几种相关疾病——包括糖尿病、哮喘、新冠和贫血——测试准确率达到96.6%。
刘易；来源：Ali Raad Hassoon等人在《Technologies》第12卷第97期（2024年7月）发表的"基于机器学习算法的舌病预测"（参考文献）
该研究的合著者、南澳大利亚大学机器人学和传感器系统联合主席贾万·查尔表示，以往舌像研究的主要挑战是不同光照条件引起的感知偏差。"有些研究试图在没有受控照明环境的情况下进行[通过舌色诊断]，但颜色是非常主观的，"查尔说。
为解决这一问题，查尔及其团队在亭子式装置中开发了标准化照明系统。患者将头部放入由LED灯照明的盒子中，这些LED灯发出稳定可控波长的光线，然后伸出舌头。
查尔及其同事收集了5,260张图像——包括在互联网上找到的真实舌部照片和额外的色彩渐变图像。他们用这些图像训练机器学习模型，以识别七种特定颜色（红、黄、绿、蓝、灰、白和粉）在不同饱和度水平和不同光照条件下的表现。
研究人员证实，健康舌头通常呈粉红色并带有薄薄的白色薄膜；他们发现，看起来更白的舌头可能表明血液中铁含量不足。糖尿病患者的舌苔常呈蓝黄色。带有厚厚脂肪层的紫色舌头可能表明某些癌症。研究人员还发现，新冠严重程度（在已确诊人群中）也会影响整体舌色，轻症表现为淡粉色，中度感染为深红色，重症为深红色。
接着，他们将六种测试机器学习模型中最准确的一种应用于60张舌部图像，这些图像均于2022年和2023年在伊拉克两家医院使用团队的标准化亭子装置拍摄。然后，他们将实验诊断与患者的医疗记录进行比较。"该系统正确识别了60张图像中的58张，"该研究的合著者阿里·阿尔-纳吉表示，他目前是伊拉克中等技术大学的医学工程教授。
阿尔-纳吉现在正致力于将诊断重点缩小到舌头的中心和尖端。他的团队还在使用由750张互联网图像组成的新舌部数据集，利用深度学习算法YOLO检查舌形和溃疡、裂纹等口腔状况。最终，查尔希望不仅能分析舌头——或许还能分析整个面部。
董旭警告说，虽然舌色可能作为人体健康状况的有用生物标志物，但在做出准确临床决策时不能单独依靠它。"当前舌像系统最基本的局限性在于，舌部分析仅代表完整中医诊断的一个组成部分，"他说。他补充说，由于此类实验的图像标注尚未广泛标准化，因此更难重现研究结果。
查尔表示，该团队的系统已引起商业兴趣，但收集可用数据仍是扩大研究的最大限制："例如，要在大型医院的亭子中收集数据，并获取访问患者医疗记录的同意，你需要让许多不同的人参与这个过程。"
斯卡纳皮科还强调了在临床或研究环境中标准化舌检的挑战。他表示，广泛的人工智能舌部分析需要大量投资以及庞大的图像和病史数据库。"在此之前，我认为该领域将通过揭示舌象与特定疾病之间相关性的小型研究累积发展，"斯卡纳皮科说。"当然，许多疾病不会引起舌象变化。"他补充说，这样的工具将只是用于诊断的众多工具之一。
与此同时，面向消费者的在线舌部分析人工智能工具正悄然流行。今年早些时候，密苏里大学的董旭、他的博士生谢佳成及其同事推出了一款基于GPT的人工智能应用"本草"。用户可以上传舌部图像，并根据中医概念获得个性化的健康指导。
目前，该应用仅被设计和推广为"健康"工具，而非临床诊断系统，因为提供医学诊断需要更加谨慎。"我们只提供一些饮食和生活方式建议，"谢说。为了将其提升到下一个水平，他的团队计划与临床医师合作，比较机器学习模型和人类医生的诊断输出，以识别差异和性能差距。
【全文结束】