Det er konklusionen hos forskere fra Kobe University, som har udviklet en kunstig intelligensmodel til tidlig diagnosticering af sygdommen. Arbejdet blev offentliggjort i The Journal of Clinical Endocrinology and Metabolism (JCEM).
Akromegali skyldes overdreven produktion af væksthormon. Sygdommen udvikler sig normalt i middelalderen og resulterer i en gradvis forstørrelse af hænder, fødder og ansigtstræk.
Hvis sygdommen ikke behandles, kan den forårsage alvorlige komplikationer og i gennemsnit forkorte den forventede levetid med omkring ti år.
Forskerne besluttede at teste, om tegn på sygdommen kunne opdages ved hjælp af fotografier af hænder. Denne tilgang kan være mere praktisk og sikker end at analysere ansigtsbilleder.
Til arbejdet indsamlede forskerne data fra 725 deltagere fra 15 medicinske centre i Japan. Omkring halvdelen af dem var blevet diagnosticeret med akromegali. I alt brugte forskerne mere end 11.000 håndfotos til at træne og validere algoritmen.
Billederne viste kun håndryggen og en knyttet næve, mens håndfladen – med dens unikke linjer – bevidst var skjult for at bevare anonymiteten.
Den udviklede maskinlæringsmodel viste stor nøjagtighed. Hvis algoritmen indikerede tilstedeværelsen af sygdommen, var sandsynligheden for, at en person faktisk lider af akromegali, 88%. Hvis resultatet var negativt, nåede sandsynligheden for fravær af sygdommen op på 93%. Samtidig var algoritmen mere præcis end endokrinologer, der fik vist de samme fotos.
I fremtiden planlægger forskerne at teste modellens effektivitet på større og mere forskelligartede prøver. De vil også finde ud af, om lignende algoritmer kan bruges til at opdage andre sygdomme, der viser sig ved ændringer i hænderne, f.eks. leddegigt eller anæmi.
