Οι γιατροί θεωρούν τη γλώσσα ένα πολύ χρήσιμο διαγνωστικό εργαλείο. Δίνουν πάντα σημασία σε σημάδια όπως αλλαγές στο χρώμα (μια παχιά λευκή επικάλυψη μπορεί να μαρτυρά λοίμωξη, για παράδειγμα) ή στην υφή (μια ξηρή, σκασμένη γλώσσα μπορεί να συνδέεται με το σύνδρομο Sjogren, μια αυτοάνοση πάθηση).
Τώρα οι επιστήμονες αναπτύσσουν προγράμματα τεχνητής νοημοσύνης (AI) που ελέγχουν το χρώμα, την υφή και το σχήμα της γλώσσας με εντυπωσιακή ακρίβεια για πρώιμα σημάδια διαβήτη και ακόμη και καρκίνου του στομάχου.
Ανασκόπηση περισσότερων από 20 μελετών που αξιολογούν αυτά τα προγράμματα κατέληξε στο συμπέρασμα ότι είναι τόσο ακριβή στην ανίχνευση σημαδιών ασθένειας, ώστε οι γιατροί θα μπορούσαν σύντομα να αρχίσουν να τα χρησιμοποιούν στα νοσοκομεία για να βοηθήσουν στη διάγνωση των ασθενών, σύμφωνα με το περιοδικό Chinese Medicine.
Στην πιο εντυπωσιακή από αυτές τις μελέτες (που δημοσιεύθηκε το 2024 στο περιοδικό Technologies), το πρόγραμμα AI διέγνωσε σωστά 58 από τους 60 ασθενείς με διαβήτη και αναιμία, απλώς αξιολογώντας μια φωτογραφία της γλώσσας τους.
Αυτά τα προγράμματα αναζητούν μικροσκοπικές αλλαγές στη γλώσσα ενός ατόμου, έχοντας «εκπαιδευτεί» σε τι να αναζητούν χρησιμοποιώντας μια βάση δεδομένων με χιλιάδες φωτογραφίες γλωσσών ασθενών.
Μια άλλη μελέτη διαπίστωσε ότι η τεχνητή νοημοσύνη μπορεί να εντοπίσει τον καρκίνο του στομάχου από τις λεπτές αλλαγές στο χρώμα και την υφή της γλώσσας που συχνά συνοδεύουν τις παθήσεις του στομάχου, όπως παχύτερη επικάλυψη, ανομοιόμορφη απώλεια χρώματος και περιοχές ερυθρότητας που συνδέονται με φλεγμονή του πεπτικού σωλήνα.
Όταν δοκιμάστηκε σε νέους ασθενείς, η τεχνητή νοημοσύνη διέκρινε εκείνους με καρκίνο του στομάχου από τους υγιείς με ακρίβεια παρόμοια με τις τυπικές διαγνωστικές εξετάσεις, όπως η γαστροσκόπηση (όπου ένας σωλήνας με κάμερα εισάγεται μέσω του στόματος στο στομάχι) ή η αξονική τομογραφία, εντοπίζοντας σωστά τις περιπτώσεις σε περίπου 85 έως 90 τοις εκατό των περιπτώσεων, σύμφωνα με το eClinicalMedicine το 2023.
«Η τεχνητή νοημοσύνη μαθαίνει αναγνωρίζοντας στατιστικά μοτίβα σε μεγάλες συλλογές εικόνων γλώσσας σε συνδυασμό με τα κλινικά ή τα σχετικά με την υγεία δεδομένα [του ασθενούς]», εξηγεί ο καθηγητής Dong Xu, ειδικός βιοπληροφορικής στο Πανεπιστήμιο του Μισούρι.
«Ανιχνεύει οπτικά χαρακτηριστικά που εμφανίζονται συχνότερα σε άτομα με συγκεκριμένες παθήσεις σε σύγκριση με υγιείς ανθρώπους, όπως η κατανομή του χρώματος, η υφή της επιφάνειας, η υγρασία, το πάχος, η επικάλυψη, τα σκασίματα και το πρήξιμο».
«Η γλώσσα αναφέρεται ως ο καθρέφτης της γενικής υγείας», εξηγεί ο Saman Warnakulasuriya, ομότιμος καθηγητής στοματικής ιατρικής και πειραματικής παθολογίας στο King’s College του Λονδίνου.
"Δείξε μου τη γλώσσα σου να σου πω τι έχεις"
«Μια λεία ράχη [δηλαδή η κορυφή] της γλώσσας μπορεί να δείχνει αναιμία, επειδή όταν υπάρχει ανεπάρκεια σιδήρου, βιταμίνης Β12 ή φολικού οξέος (βιταμίνη Β9), αυτό οδηγεί στην απώλεια των θηλών [εξογκώματα στη γλώσσα που περιέχουν γευστικούς κάλυκες]», εξηγεί.
«Αυτά τα θρεπτικά συστατικά είναι απαραίτητα για την ταχεία ανανέωση των κυττάρων στην επιφάνεια της γλώσσας. Χωρίς αυτά, οι θηλές εξαφανίζονται, αφήνοντας τη γλώσσα λεία και γυαλιστερή».
Εν τω μεταξύ, μια ξηρή γλώσσα μπορεί να είναι ένα πρώιμο σύμπτωμα διαβήτη, καθώς αυτό μπορεί να οδηγήσει σε αφυδάτωση και βλάβη των νεύρων, μειώνοντας την παραγωγή σάλιου.
Τα υψηλά επίπεδα σακχάρου στο στόμα μπορούν επίσης να προωθήσουν την υπερβολική ανάπτυξη βακτηρίων και μυκήτων, οδηγώντας σε μια κιτρινωπή επίστρωση.
Και η «τριχωτή λευκοπλακία» – λευκές, ανυψωμένες κηλίδες με κυματοειδή ή «τριχωτή» εμφάνιση στις πλευρές της γλώσσας (που δεν μπορούν να αποξυστούν) – μπορεί να είναι σύμπτωμα του ιού Epstein-Barr (ο οποίος μπορεί να προκαλέσει αδενοπάθεια), προσθέτει ο καθηγητής Warnakulasuriya.
Ωστόσο, οι γενικοί γιατροί μπορεί να βλέπουν μόνο μερικές αλλαγές στη γλώσσα στην καθημερινή τους πρακτική, ενώ τα συστήματα τεχνητής νοημοσύνης, που έχουν εκπαιδευτεί σε χιλιάδες κλινικές φωτογραφίες, μπορούν να αναγνωρίσουν μοτίβα με τα οποία οι κλινικοί γιατροί μπορεί να μην είναι εξοικειωμένοι (ή που μπορεί να είναι πολύ μικρά για να φαίνονται με γυμνό μάτι) και στη συνέχεια να προτείνουν να τα εξετάσουν πιο προσεκτικά.
«Η διαθεσιμότητα κλινικών εικόνων σε ένα καλά εκπαιδευμένο πρόγραμμα τεχνητής νοημοσύνης θα μπορούσε να δώσει στους γιατρούς την αυτοπεποίθηση να περιορίσουν τη σωστή διάγνωση», λέει ο καθηγητής Warnakulasuriya.
Ωστόσο, ενώ η τεχνητή νοημοσύνη μπορεί να εντοπίσει οπτικά μοτίβα, δεν κατανοεί τι τα προκαλεί και μπορεί να κάνει λάθη.
Για παράδειγμα, η τεχνητή νοημοσύνη μπορεί να συσχετίσει μια χλωμή γλώσσα με αναιμία, επειδή πολλοί αναιμικοί ασθενείς στα δεδομένα εκπαίδευσής της είχαν χλωμές γλώσσες, αλλά μια χλωμή γλώσσα μπορεί να προκληθεί από άλλους παράγοντες, όπως κακή κυκλοφορία.
Επίσης, ένας έμπειρος γιατρός μπορεί να λάβει υπόψη το πλήρες ιατρικό ιστορικό του ασθενούς, τα συμπτώματα, τους παράγοντες του τρόπου ζωής και άλλα κλινικά ευρήματα για να καθορίσει εάν μια ανωμαλία της γλώσσας είναι σημαντική ή αβλαβής.
Η τεχνητή νοημοσύνη μπορεί να επισημάνει κάτι ως ύποπτο, ενώ στην πραγματικότητα είναι φυσιολογικό, ή να παραλείψει κάτι σημαντικό.
Γι' αυτό, όπως επισημαίνει ο Bernhard Kainz, καθηγητής ιατρικής απεικόνισης στο Imperial College του Λονδίνου, η τεχνολογία είναι πιο αξιόπιστη ως γενικός έλεγχος υγείας.
Οι περιορισμοί του ΑΙ
Ο καθηγητής Xu συμφωνεί και προειδοποιεί ότι η τεχνητή νοημοσύνη είναι τόσο καλή όσο τα δεδομένα με τα οποία έχει εκπαιδευτεί.
«Η μεταβλητότητα στον τρόπο λήψης των φωτογραφιών [όπως οι διακυμάνσεις στις συνθήκες φωτισμού και την ποιότητα της κάμερας, καθώς και το αν η γλώσσα είναι υγρή ή ξηρή] μπορεί να επηρεάσει σημαντικά τις μετρήσεις του χρώματος και της υφής», λέει. «Η εμφάνιση της γλώσσας επηρεάζεται επίσης από τη διατροφή, την ενυδάτωση, το κάπνισμα, τα φάρμακα και τις λοιμώξεις, τα οποία μπορεί να συσκοτίσουν τα σημάδια που σχετίζονται με την ασθένεια».
Ακόμη και με την καλύτερη τεχνητή νοημοσύνη, οι ειδικοί τονίζουν ότι η σάρωση της γλώσσας δεν πρέπει ποτέ να θεωρείται ως διάγνωση.
«Είναι πάντα απαραίτητο να επιβεβαιώνεται η διάγνωση με τη διεξαγωγή κατάλληλων εργαστηριακών εξετάσεων», λέει ο καθηγητής Warnakulasuriya.
«Η «κατάλληλη χρήση» της τεχνητής νοημοσύνης για την ανάλυση της γλώσσας «μπορεί να βοηθήσει στην ιεράρχηση της φροντίδας και στη μείωση των παραβλεφθέντων πρώιμων σημείων, αλλά πρέπει να συμπληρώνει, και όχι να αντικαθιστά, τις καθιερωμένες διαγνωστικές μεθόδους και την κλινική κρίση», προσθέτει ο καθηγητής Kainz.
Πηγή: Daily Mail
