冠状动脉疾病（CAD）是全球最常见的疾病相关死亡原因。根据世界卫生组织的数据，每年全球有1,790万人死于CAD，占所有疾病相关死亡人数的三分之一。
目前，冠状动脉造影仍然是确认CAD诊断的最佳方法，但其高昂的费用和侵入性使得它并不适合早期诊断和风险评估。因此，寻找一种更安全、成本更低且高效的诊断方法成为了研究的重点。
来自北京中医药大学以及湖南中医药大学的研究团队使用人工智能（AI）开发了一种基于舌象分析的诊断算法。该研究发表在《Frontiers in Cardiovascular Medicine》期刊上。
将中医智慧融入现代科技
“传统中医在观察患者外在症状时采用独特而有效的诊断策略。中医理论认为‘内病外显’，通过观察外部变化，医生可以评估疾病的严重程度。”研究团队在文章中写道。
舌诊是中医观察的关键部分，涵盖了对舌头颜色、苔质和形态的评估。舌头作为心血管系统的组成部分，与神经和血管密切相连。当全身性疾病，尤其是影响血液循环的病症发生时，舌象往往会发生变化。自2019年以来，至少有14项研究证实了舌象在疾病诊断中的有效性。
基于这一知识，研究团队希望确认舌象能否成为非侵入性最大化CAD诊断的决定性依据。
开发CAD诊断模型
为建立他们的机器学习框架，研究团队选择了在ImageNet数据集上预训练的ResNet-18网络。他们构建了两个CAD诊断框架：一个仅基于CAD风险因素，另一个将舌象深度特征与CAD风险因素相结合。他们使用基于Deeplab V3+ 框架的算法提取舌象特征，并实现了超过 99% 的整体准确率。
在多种机器学习算法中，团队最终选择了XGBoost，该算法在涉及“舌象深度特征”和风险因素的分类任务中表现最佳。
此外，当研究团队对比仅使用风险因素与结合舌象特征的算法时，发现加入舌象特征显著提升了算法性能，表明舌象特征作为输入变量对算法优化有正面贡献。
研究结果与局限性
在研究中，CAD诊断算法在65岁及以上的测试对象中表现尤为突出，并在男性和女性中返回了相似结果。该算法在存在三个或更多风险因素的病例中表现出更高的判断准确性，强调了在CAD诊断中考虑多个风险因素的重要性。
尽管取得了一些显著的成果，但研究的局限性也不容忽视，包括患者样本范围仅限于高血压患者，未涵盖不同国家和种族的个体；研究样本量较小；使用单一设备采集舌象图像，限制了该诊断模型在不同设备和环境下的适用性。
研究团队建议，未来的研究应包括更大规模且更加多样化的人群，以验证并优化他们的诊断模型。他们还指出，结合其他生物标志物与舌象数据可能有助于构建更广泛的模型。尽管如此，这项研究为下一步工作奠定了有用的基础。
“我们的研究引入了一种新的视角，表明舌象在CAD诊断中具有应用价值。”研究人员总结道，“舌象特征可能成为CAD的新风险指标，展示了中医理论与现代技术结合的可行性。”
DOI ：10.3389/fcvm.2024.1384977
