Autores dizem que a tecnologia pode permitir triagem não invasiva
A análise de aprendizado de máquina de dados de fotos e vídeos demonstra uma maneira promissora de detectar hipertensão e diabetes precocemente de forma não invasiva, de acordo com um estudo apresentado nas Sessões Científicas da American Heart Association de 2024, realizadas de 16 a 18 de novembro em Chicago.
Ryoko Uchida, da Universidade de Tóquio, e colegas desenvolveram um algoritmo de aprendizado de máquina para analisar o fluxo sanguíneo da pele e características espectrais de fotos para avaliar de forma não invasiva informações biométricas para monitoramento de saúde. A análise incluiu imagens de aproximadamente 200 rostos e mãos de participantes, bem como leituras de pressão arterial.
Os pesquisadores relataram que o algoritmo detectou hipertensão com 94,2 por cento de alinhamento com as diretrizes da American Heart Association para hipertensão estágio 1, com base em características de onda de pulso. Entre 40 por cento que tinham hipertensão precoce, as taxas de precisão foram de 86,2 por cento para segmentos de dados de 30 segundos e 80,9 por cento para segmentos de 5 segundos. Ao aplicar o algoritmo a dados de vídeo, ele atingiu uma precisão de 75,3 por cento na detecção de diabetes, utilizando padrões de fluxo sanguíneo como marcadores.
"Este método pode um dia permitir que as pessoas monitorem sua própria saúde em casa e pode levar à detecção precoce e ao tratamento de pressão alta e diabetes em pessoas que evitam exames médicos e de sangue", disse Uchida em um comunicado.
