Forskere ved Kobe University har utviklet en AI som oppdager den sjeldne hormonsykdommen akromegali kun ved å analysere bilder av håndbaken og en knyttet neve. Metoden viser svært høy sensitivitet og spesifisitet – og presterer bedre enn erfarne endokrinologer. Samtidig ivaretar den personvernet ved å unngå ansiktsbilder.

Hvorfor hendene – og ikke ansiktet?

Mange medisinske AI-systemer bruker ansiktsbilder, noe som kan skape personvernutfordringer. Forskerne i Kobe vendte seg i stedet til hendene – et område leger allerede undersøker ved mistanke om akromegali.

«Vi prøvde å adressere denne bekymringen ved å fokusere på hendene, en kroppsdel vi rutinemessig undersøker sammen med ansiktet i klinisk praksis for diagnostiske formål, spesielt fordi akromegali ofte manifesterer seg i hendene,» forklarer Yuka Ohmachi, masterstudent ved universitetet.

For ytterligere å beskytte identiteten begrenset teamet bildene til kun håndbaken og en knyttet neve. De unngikk bevisst håndflaten, fordi håndlinjemønstre er unike og kan avsløre hvem personen er.

Sykdommen som ofte oppdages for sent

Akromegali er en uvanlig, potensielt livstruende tilstand som oftest rammer mennesker i middelalderen. Den skyldes overproduksjon av veksthormon og fører til forstørrede hender og føtter, endringer i ansiktet og unormal vekst av skjelett og indre organer. Utviklingen er gradvis over flere tiår, og diagnosen kan derfor drøye lenge.

«Fordi tilstanden utvikler seg så langsomt, og fordi det er en sjelden sykdom, er det ikke uvanlig at det tar opp til et tiår før den blir diagnostisert,» sier endokrinolog Hidenori Fukuoka ved Kobe University.

Studien: 725 pasienter, 15 institusjoner – og over 11 000 bilder

I studien deltok 725 pasienter fra 15 medisinske institusjoner over hele Japan. Mer enn 11 000 håndbilder ble brukt for å trene og teste AI-modellen. Resultatene er publisert i Journal of Clinical Endocrinology & Metabolism og viser svært høy sensitivitet og spesifisitet.

AI-en overgikk erfarne endokrinologer som vurderte de samme håndbildene.

«Ærlig talt ble jeg overrasket over at diagnostisk nøyaktighet nådde et så høyt nivå ved bare å bruke fotografier av håndbaken og den knyttede neven,» sier Ohmachi. «Det som slo meg som spesielt betydningsfullt var å oppnå dette prestasjonsnivået uten ansiktstrekk, noe som gjør denne tilnærmingen langt mer praktisk for sykdomsscreening.»

Fra forskningslab til klinikk

Forskere understreker at verktøyet skal assistere leger – ikke erstatte dem. I virkelige kliniske situasjoner bygger diagnoser på medisinsk historikk, laboratorietester og fysiske undersøkelser i tillegg til bilder.

Tidligere forsøk på AI-basert tidlig oppdagelse av akromegali har ikke blitt tatt i bruk i klinisk praksis. Denne studien peker på en mer praktisk og personvernvennlig vei videre.

«Vi tror at ved å videreutvikle denne teknologien, kan den bidra til å skape en medisinsk infrastruktur under omfattende helsesjekker for å koble mistenkte tilfeller av håndrelaterte lidelser til spesialister,» sier Fukuoka. «Videre kan den støtte ikke-spesialistleger i regionale helseomsorgsinnstillinger, og dermed bidra til å redusere helseforskjeller der.»

Hva kan komme neste?

Forskerne ser for seg å utvide systemet til å oppdage andre tilstander som gir synlige forandringer i hendene, som revmatoid artritt, anemi og fingerkølleforming.

• Mål: gjøre screening enklere og raskere uten å kompromittere personvern.
• Støtte for ikke-spesialister i regionale helsetjenester.

Kildene til funnene inkluderer ScienceDaily, Kobe University, Journal of Clinical Endocrinology & Metabolism og Medical Xpress.

Hovedpoenget: En japansk AI kan oppdage akromegali fra håndbilder med høy treffsikkerhet – uten ansiktsdata. Det kan åpne for bredere aksept av medisinsk AI i en tid med økende bekymring for personvern og datasikkerhet.