Η αντίσταση στην ινσουλίνη αποτελεί, σύμφωνα με την Google, ένας από τους πιο κρίσιμους παράγοντες των σύγχρονων μεταβολικών παθήσεων. Πολλά χρόνια πριν την κλινική εκδήλωση του διαβήτη τύπου 2, η μειωμένη ευαισθησία στην ινσουλίνη βλάπτει σιωπηλά την υγεία των αγγείων, τη λειτουργία του ήπατος και τον ενεργειακό μεταβολισμό, πολύ πριν η γλυκόζη φτάσει σε επίπεδα που επιτρέπουν τη διάγνωσή της.
Η εξέταση αίματος, γνωστή και ως μοντέλο αξιολόγησης της ομοιόστασης για την ινσουλινοαντίσταση (HOMA-IR), προσομοιώνει τον κύκλο ανατροφοδότησης μεταξύ της παραγωγής γλυκόζης από το ήπαρ και της έκκρισης ινσουλίνης. Βάσει των διαθέσιμων επιστημονικών επιδημιολογικών δεδομένων, ένας δείκτης HOMA-IR μεγαλύτερος από 2,9 θεωρείται ένδειξη ινσουλινοαντίστασης.
Όπως εξηγεί η Google, πρόσφατες μελέτες υποδεικνύουν ότι τα διάφορα frameworks μηχανικής μάθησης, τα οποία ενσωματώνουν δεδομένα από φορητούς αισθητήρες με συνήθεις εργαστηριακές εξετάσεις, μπορούν να προβλέψουν με ακρίβεια τον δείκτη HOMA-IR, ώστε να δείξουν έγκαιρα τον κίνδυνο.
Η ενσωμάτωση αντικειμενικών δεικτών μέτρησης της σύνθεσης του σώματος αποτελεί ένα ουσιαστικό πλεονέκτημα, επιπροσθέτως της τεχνολογίας των wearable συσκευών. Ενώ αυτές οι συσκευές παρακολουθούν τις καθημερινές φυσιολογικές λειτουργίες, η σωματική σύνθεση παρέχει, όπως υποστηρίζει η εταιρεία, μια ξεχωριστή δομική αξιολόγηση της λιπώδους μάζας, συμβάλλοντας έτσι στη διαμόρφωση μιας καλύτερης και πιο ολοκληρωμένης εικόνας.
Τι είναι το Photoscan;
Το PhotoScan αποτελεί ένα σύστημα που ανέπτυξε η Google Research για την εκτίμηση της σύνθεσης του σώματος, με την αξιοποίηση της τεχνητής νοημοσύνης για την ανάλυση μιας σειράς δισδιάστατων εικόνων του σώματός μας. Πιο συγκεκριμένα, η εταιρεία εκπαίδευσε το σύστημα χρησιμοποιώντας δεδομένα από πραγματικές εξετάσεις ακτινογραφίας, μια τεχνική που ονομάζεται dual-energy X-ray absorptiometry ή DXA, μετρώντας τόσο τα συνολικά επίπεδα του σωματικού λίπους, όσο και τις αναλογίες του λίπους στον κορμό προς το λίπος στους γοφούς και τους μηρούς (A/G ratio) καθώς και την αναλογία σπλαχνικού προς υποδόριο λίπος (V/S ratio)
Στη συνέχεια, η εταιρεία, αφού συνδύασε τα στοιχεία αυτά με δεδομένα σώματος από μαγνητικές τομογραφίες και βελτιώνοντάς τα περαιτέρω με ένα σύνολο δεδομένων που περιελάμβανε πραγματικές φωτογραφίες από τις κάμερες των smartphones, το τελικό μοντέλο τεχνητής νοημοσύνης της Google απέδειξε την ικανότητά του να εκτιμά οπτικά το σωματικό λίπος με μεγαλύτερο βαθμό ακρίβειας σε σχέση με διάφορα άλλα εργαλεία, όπως το BIA. Από την άλλη πλευρά, επέδειξε σημαντική ικανότητα να εκτιμήσει τα ratios A/G και V/S που οι αισθητήρες BIA δεν μπορούν να το κάνουν. ‘
Ωστόσο το πιο ενδιαφέρον εύρημα αφορούσε την πρόβλεψη της ινσουλινοαντίστασης. Ένα μοντέλο που χρησιμοποιούσε μόνο ηλικία, φύλο και BMI είχε AUROC 0,692. Όταν προστέθηκαν τα δεδομένα σωματικής σύστασης του PhotoScan, η επίδοση αυξήθηκε σε 0,760, πολύ κοντά στο 0,773 που πέτυχε το αντίστοιχο μοντέλο με δεδομένα DXA.
Αξίζει να σημειωθεί ότι το νέο εργαλείο της Google, το PhotoScan, αποτελεί μια προσπάθεια να ξεπεράσει έναν βασικό περιορισμό που έχει ο Δείκτης Μάζας Σώματος (ΒΜΙ), που δεν παρουσιάζει την κατανομή του λίπους στο σώμα. Η προσέγγιση της Google μεταφέρει μέρος αυτής της αξιολόγησης από εξειδικευμένες απεικονιστικές εξετάσεις σε απλές φωτογραφίες που μπορούν να βγουν από το κινητό τηλέφωνο.
Η DXA αποτελεί μεν μια πιο ακριβή μέθοδο μέτρησης της σύστασης του σώματος, ωστόσο απαιτούνται κλινικές υποδομές, έχει κόστος, ενώ συνεπάγεται και έκθεση σε ακτινοβολία.
Το PhotoScan επιχειρεί να ξεπεράσει αυτά τα προβλήματα, με μια μη επεμβατική μέθοδο εκτίμησης του μεταβολικού κινδύνου, αν και αυτή τη στιγμή βρίσκεται σε ερευνητικό στάδιο.
