中医舌诊被确证！新研究：AI通过舌头诊断疾病，准确率高达98%！

中医舌诊被确证！新研究：AI通过舌头诊断疾病，准确率高达98%！

一项最新研究证实，通过人工智能分析舌头图像进行疾病诊断的准确率高达98%。这项由伊拉克和澳大利亚研究人员共同开发的成像系统，能够识别包括糖尿病、中风、贫血、哮喘、肝胆疾病以及新冠病毒感染在内的多种疾病。

传统中医诊断疾病时，会通过“望、闻、问、切”四种方法来评估和诊断相关健康问题，而在中医的“望”一项中，看舌头的颜色，舌苔的颜色，舌头的形状变化，舌苔的厚度，口腔湿度以及其他特征，能够有助于诊断疾病问题，这种做法我们称之为“舌诊”。

舌诊中，舌头的颜色尤为重要。健康的舌头通常是粉红色的，上面有一层细而薄的白色舌苔。当身体出现疾病时，舌头的颜色会发生变化。例如：

• 2型糖尿病患者的舌头可能呈现蓝色，舌苔呈黄色
• 癌症患者的舌头脂肪层较厚，呈紫色
• 缺铁性贫血或寒战综合征的人群，舌头可能呈现白色
• 肝胆出现问题时，特别是出现淤阻症状时，舌头可能呈现黄色
• 血管问题或胃肠道问题可能导致舌头呈现靛蓝色或紫色
• 阑尾炎可能使舌头的形状发生变化

此外，舌头还能反映细菌或病毒感染的严重程度。例如，新冠感染的轻症病例舌头呈淡粉色，中度感染呈深红色，重度感染则可能呈更深的酒红色，并伴有炎症和溃疡。

在这项新研究中，研究人员开发了一个新的成像系统，可以用于在不同颜色饱和度和不同光照条件下分析和提取舌头颜色特征，并从五种颜色空间模型（RGB、YCbCr、HSV、LAB和YIQ）中进行疾病诊断。研究过程中，受试者坐在距离摄像头20厘米处，系统实时检测舌色并预测健康状况。通过这种方式，共收集了5260张舌头的图像，将其按颜色分为红、黄、绿、蓝、灰、白和粉红共七类，并将这些图像通过六种及其学习算法（素贝叶斯、支持向量机、K最近邻、决策树、随机森林和XGBoost）进行了训练，以预测任何光照条件下拍摄的舌头颜色，在对六种算法完成训练后，使用这些算法分别对60张异常舌头的图像进行了实时的测试和诊断。

研究结果显示，XGBoost算法表现最佳，准确率达到98.71%（对60张舌头的异常图像进行诊断，其中58张能够准确诊断），而朴素贝叶斯算法的准确率最低，为91.43%。基于这些结果，研究者选择XGBoost算法作为成像系统的分类器，并与图形用户界面（GUI）链接，以实时预测舌色及其相关疾病。

尽管这项基于机器学习算法的舌诊方法非常准确，但在实际医疗应用中，仍面临一些潜在挑战：

1. 数据质量和多样性：为了确保系统的准确性和可靠性，需要大量高质量、多样化的舌图像数据进行训练。数据集需要涵盖不同人群、不同疾病阶段和不同光照条件下的舌图像。

2. 光照条件：实际应用中，光照条件可能变化多端，这可能影响舌色的正确识别。系统需要能够适应不同的光照环境，或者配备有能够控制或补偿光照变化的设备。

3. 准确性和误诊率：尽管研究结果显示了高准确率，但在实际应用中，系统可能会遇到未在训练数据中出现的舌色或疾病模式，这可能导致误诊。

4. 实时性能：在临床环境中，系统需要快速响应，以便于医生在短时间内做出诊断决策。系统的实时性能需要满足医疗诊断的时效性要求。

5. 持续监测和更新：随着时间的推移，疾病模式和治疗方法可能会发生变化，系统需要定期更新以保持其准确性和相关性。

6. 技术限制：例如，相机反射或图像质量不佳可能导致颜色检测的变异，影响诊断的准确性。需要采用先进的图像处理技术和算法来提高系统的耐用性。

7. 跨文化和地区差异：不同地区和文化背景下，疾病的表现形式可能存在差异，系统需要能够适应这些差异，以确保全球范围内的应用。

解决这些挑战需要跨学科的合作，包括医疗专业人员、数据科学家、工程师和政策制定者的共同努力。

本文原文来自sina.cn