Screening a monitorování diabetu pomocí zobrazení jazyka a symptomů, které si sami hlásili: přístup strojového učení

Sběr snímků jazyka Sběr snímků jazyka provedou vyškolení výzkumní asistenti na základě námi publikovaného protokolu (Wang et al., předloženo), který sestával z následujících kroků. Krok 1, spusťte funkci fotoaparátu telefonu bez použití jakéhokoli filtru nebo funkce umělé inteligence (A.I.); Krok 2, zapněte blesk; Krok 3, zamiřte na rty subjektu držením telefonu přímo před objektem a 15–20 cm od něj v úhlu 45 stupňů; Krok 4, klepnutím na obrazovku upravte zaostření, když objekt vyčnívá jazyk, a poté pořiďte snímek; Krok 5, nahrajte obrázek v plném rozlišení do online dotazníkového systému (software pro průzkum Qualtrics).

Sběr dotazníků pro čínskou medicínu Dotazník v elektronické/papírové formě bude použit ke sběru příznaků relevantních pro diagnostiku diabetu podle čínské medicíny. Otázky byly vybrány z předchozích studií o nejčastěji se objevujících příznacích diabetu z pohledu čínské medicíny (Hsu et al., 2016; Zhou et al., 2012; Zhao et al., 2017). Věk, pohlaví, váha, výška, délka trvání diabetu, rodinná anamnéza diabetu a jakékoli komorbidní onemocnění, hodnoty Hb (pokud jsou k dispozici) budou také brány v úvahu. Nedávná historie kouření je také zaznamenána jako potenciální matoucí faktor pro rysy povlaku jazyka (Tomooka et al., 2017)

Zadávání a ověřování dat Pro zajištění přesnosti budou na server nahrány současně obrázky, odpovědi na dotazník a HbA1c (a Hb, pokud jsou k dispozici). Pro usnadnění ověření údajů bude také vygenerováno identifikační číslo pacienta pro studii. Takové identifikační číslo se skládá z informace o datu sběru dat a čísle ambulance atd. Nebudou však obsahovat žádné informace týkající se pacientova HKID, celého jména pacienta, HN, MRN, DOB, adresy nebo telefonního čísla.

Data budou shromažďována online dotazníkovou službou pomocí Qualtrics a poté uložena na místním počítači v SCM/HKBU. V případě potřeby lze použít papírovou verzi dotazníku a vyplněný dotazník bude uchováván po dobu 3 let po ukončení studie. Shromážděný snímek nebude na fotografii obsahovat žádné oční rysy a dotazník nebude obsahovat žádné informace pro identifikaci subjektu kromě identifikačního čísla subjektu pro zkoušku. Po dokončení projektu budou data o Qualtrics vymazána, zatímco data na lokálním počítači budou uchovávána po dobu sedmi let po zveřejnění studie, podle požadavků instituce.

Strojové učení Ve strojovém učení budou použity dva přístupy. V prvním přístupu nejprve provedeme klasifikaci obrazu normálního nebo abnormálního HbA1c a vygenerujeme pravděpodobnosti pro klasifikaci pomocí konvolučních neuronových sítí (CNN) (Anwar et al., 2016; Ødegaard et al., 2016). Poté se pokusíme zařadit snímky do čtyř různých tříd podle jejich hladiny HbA1c: <6 % (normální), 6-6,4 % (prediabetes), 6,5-8,9 % (diabetes) a ≥ 9 % (diabetes s vysokým HbA1c). Pravděpodobnostní data klasifikace obrazu budou kombinována s daty z dotazníku jako proměnné pomocí plně propojených vrstev CNN, aby se určilo, ke které ze čtyř úrovní HbA1c subjekt patří (Osia et al., 2018). Výhodou tohoto přístupu je, že nám umožňuje určit senzitivitu a specificitu klasifikací pouze pomocí obrazu jazyka. Nevýhodou tohoto přístupu je však to, že při klasifikaci s údaji z dotazníku může ztratit některé důležité rysy jazyka. Alternativně budeme extrahovat rysy z každého obrazu jazyka pomocí CNN a pomocí jednoho horkého kódování přenést rysy do jednorozměrné matice, což umožní smíchání obrazových dat s daty dotazníku pro regresní analýzu pomocí neuronové sítě.

K hodnocení citlivosti a specifičnosti získaných algoritmů bude použit samostatný testovací soubor dat, který obsahuje minimálně 200 negativních a 200 pozitivních snímků. V konečném algoritmu bude uvedena senzitivita, specificita, pozitivní prediktivní hodnota (PPV) a negativní prediktivní hodnota (NPV).

Potenciální problémy a experimentální alternativy

Potenciální problém 1:

Je vysoce pravděpodobné, že rysy zobrazení jazyka nejsou výlučné pro abnormální hladinu HbA1c a vyskytují se také u kuřáků a některých akutních a chronických onemocnění, jako je CHOPN, infekce horních cest dýchacích a chronická onemocnění ledvin nebo jater.

Experimentální alternativy:

Nyní jsme do našeho dotazníku zařadili část týkající se historie kouření a známých akutních nebo chronických onemocnění. Pokud bychom našli významnou korelaci mezi určitými matoucími proměnnými s abnormální diagnózou HbA1c jazyka, varovali bychom budoucího uživatele před nespolehlivostí algoritmu při použití v populaci s matoucím stavem. Dále bychom upravili vážení parametrů v dotazníku tak, abychom dosáhli predikčního modelu s přiměřenou specificitou a senzitivitou i pro populace s uvedeným stavem.

Potenciální problém 2:

Výsledky strojové klasifikace ze shromážděného souboru dat obrazu jazyka ukazují špatnou specificitu a senzitivitu v predikci čtyř hladin HbA1c, a to i po zahrnutí parametrů do dotazníku TCM.

Experimentální alternativy:

Protože budeme sbírat krevní lipidový profil subjektů z nemocnice, jakmile bude k dispozici, můžeme naše výsledky analyzovat za pochodu. Když naše celková vzorková populace dosáhne 2 000 a stále vidíme špatnou specifitu a citlivost, zařadíme test krevního lipidového profilu do naší komunity. Přidáním profilu krevních lipidů jako parametrů do našeho regresního modelu bychom měli být schopni zvýšit specificitu a senzitivitu predikce, protože předchozí studie nalezly úzkou korelaci mezi vysokou hladinou HbA1c a dyslipidémií (Khan et al., 2007). Samozřejmě si nepřejeme, aby se to stalo, protože to sníží hodnotu našeho predikčního modelu, protože vyžaduje invazivní postup k získání profilu krevních lipidů. Nicméně jsme přesvědčeni, že na základě výsledků naší studie proof-of-concept lze vytvořit alespoň neinvazivní model pro detekci abnormální hladiny HbA1c (≥ 6,5 %).

Potenciální problém 3:

Obrazové rysy odpovědné za klasifikaci normálních a abnormálních hladin HbA1c (≥6,5 %) nebylo možné snadno identifikovat.

Experimentální alternativy:

Velmi žádoucí je extrakce vizuálních znaků, které mohou poskytnout sémantickou a robustní reprezentaci obrazů jazyka s abnormálními hladinami HbA1c. Mastný a hustý povlak, který jsme určili jako znaky pro klasifikaci, je třeba dále definovat. Za tímto účelem vyzkoušíme různé techniky navržené v literatuře (Ching et al., 2018), včetně přiřazení skóre důležitosti specifické pro příklad, porovnávání nebo zveličování skryté reprezentace, maximalizace aktivace a manipulace s latentním prostorem atd.