Блог

Jan 09, 2024

Надежность не

Научные отчеты, том 13,

Научные отчеты, том 13, Номер статьи: 1334 (2023) Цитировать эту статью

884 Доступа

2 Альтметрика

Подробности о метриках

Синдром Шегрена (СС) – аутоиммунное заболевание, характеризующееся сухостью во рту. Причина СС неизвестна, а разнообразные симптомы затрудняют диагностику. Саксонская проба, внутриротовое исследование, используется в качестве основного метода диагностики СС, однако риск заражения слюны проблематичен. Поэтому мы исследуем возможность диагностики СС путем бесконтактного и визуализирующего наблюдения поверхности языка. В этом исследовании мы получили фотографии языка 60 пациентов в поликлинике Школы стоматологии Университета Цуруми, чтобы уточнить связь между особенностями языка и СС. Мы разделили язык на четыре области, цвет каждой области был преобразован в пространство CIE1976L*a*b* и подвергнут статистическому анализу. Чтобы экспериментально уточнить возможность диагностики СС по цвету языка, мы использовали три модели машинного обучения: логистическую регрессию, машину опорных векторов и случайный лес. Кроме того, мы построили диагностические модели прогнозирования на основе методов упаковки и укладки в сочетании с тремя моделями машинного обучения для сравнительной оценки. В этом анализе использовалось сжатие размерности с помощью анализа главных компонентов, чтобы устранить избыточность информации о цвете языка. Мы обнаружили значительную разницу между значением a* задней части языка и значением b* средней части языка у пациентов с СС и без СС. В дополнение к оценкам основных компонентов цвета языка, машина опорных векторов была обучена с использованием возраста и достигла высокой точности (71,3%) и специфичности (78,1%). Результаты показывают, что прогнозирование диагноза СС по цвету языка достигает уровня, сравнимого с моделями машинного обучения, обученными с помощью теста Саксона. Это первое исследование, использующее машинное обучение для прогнозирования диагноза СС путем бесконтактного наблюдения за языком. Предлагаемый нами метод потенциально может просто и удобно поддерживать раннее выявление СС, устраняя риск заражения при постановке диагноза, и он должен быть проверен и оптимизирован в клинической практике.

Синдром Шегрена (СС) — аутоиммунное заболевание, характеризующееся сухостью во рту и сухостью глаз. Считается, что это вызвано сложной взаимосвязью между иммунными нарушениями, секрецией женских гормонов и наследственностью; однако точная причина этого заболевания еще не выяснена. Для диагностики СС было проведено множество клинических тестов. Одним из широко используемых исследований полости рта является тест Саксона, который включает количественное исследование слюны для определения сухости полости рта. Однако в последние годы присутствие вируса COVID-19 в слюне затруднило проведение тестов слюны для оценки состояния полости рта. Поэтому необходимо разработать объективный метод оценки состояния полости рта.

Наиболее распространенные симптомы СС включают сухость во рту, боль в языке, трещины на языке и изменение цвета языка из-за кандидоза полости рта1. Более того, дерматоскопические исследования показали, что различия во внешнем виде структуры и цвета поверхности языка могут быть важными маркерами для диагностики СС2. Особенности языка, такие как цвет, блеск и форма, служат клинически важными диагностическими признаками для диагностики ряда других заболеваний3,4.

Недавние исследования показали многообещающий потенциал методов машинного обучения в разработке нескольких инструментов биоинформатики5,6 и приложений для анализа изображений языка7. Использование устройств визуализации для диагностики заболеваний представляет собой простой и быстрый подход и может быть целесообразным в качестве скринингового теста на различные заболевания. В предыдущем исследовании мы разработали систему анализа изображений языка (TIAS), которую можно использовать для компьютерной диагностики языка на основе цвета языка8,9. Существенной характеристикой метода визуализации языка при TIAS является исключение влияния внешнего света за счет использования интегрирующей сферы для достижения равномерно распределенной интенсивности света. Кроме того, TIAS может удалять блеск поверхности языка со своих изображений, чтобы стабилизировать цвет поверхности языка и налет на языке.