Det är slutsatsen från forskare vid Kobe University som har utvecklat en modell med artificiell intelligens för tidig diagnos av sjukdomen. Arbetet publicerades i The Journal of Clinical Endocrinology and Metabolism (JCEM).
Akromegali orsakas av överdriven produktion av tillväxthormon. Sjukdomen utvecklas vanligen i medelåldern och leder till en gradvis förstoring av händer, fötter och ansiktsdrag.
Om sjukdomen lämnas obehandlad kan den orsaka allvarliga komplikationer och i genomsnitt förkorta den förväntade livslängden med cirka tio år.
Forskarna bestämde sig för att testa om tecken på sjukdomen kunde upptäckas med hjälp av fotografier av händer. Detta tillvägagångssätt kan vara mer praktiskt och integritetssäkert än att analysera ansiktsbilder.
För arbetet samlade forskarna in data från 725 deltagare från 15 medicinska centra i Japan. Ungefär hälften av dem hade diagnostiserats med akromegali. Totalt använde forskarna mer än 11.000 handfoton för att träna och validera algoritmen.
Bilderna visade endast handryggen och en knuten näve, medan handflatan – med sina unika linjer – avsiktligt doldes för att bevara anonymiteten.
Den utvecklade maskininlärningsmodellen visade hög träffsäkerhet. Om algoritmen indikerade förekomst av sjukdomen var sannolikheten för att en person faktiskt lider av akromegali 88%. Om resultatet var negativt uppgick sannolikheten för frånvaro av sjukdomen till 93%. Samtidigt var algoritmen mer exakt än endokrinologer som fick se samma foton.
I framtiden planerar forskarna att testa modellens effektivitet på större och mer varierande urval. De vill också ta reda på om liknande algoritmer kan användas för att upptäcka andra sjukdomar som yttrar sig i handförändringar, t.ex. reumatoid artrit eller anemi.
