Прорыв в ранней диагностике метаболических нарушений
Инсулинорезистентность — скрытый драйвер метаболических заболеваний, предшествующий диабету 2 типа за годы до повышения уровня сахара в крови. Традиционная оценка через индекс массы тела (ИМТ) недостаточна. Золотым стандартом измерения состава тела остается денситометрия (DXA), но она дорога, требует радиации и клинического оборудования. Google Research предлагает альтернативу: PhotoScan — глубокую нейросеть, анализирующую 2D-фотографии (спереди и сбоку) для оценки трехмерного состава тела.
Архитектура и данные: от UK Biobank к реальным фото
Модель прошла трехэтапный цикл обучения на огромных массивах данных:
- Предобучение (Pre-training): Нейросеть ResNet-50 обучалась на 35 323 записях из UK Biobank, где 3D-МРТ-снимки преобразовывались в 2D-проекции, а истинные значения бралась из DXA.
- Дообучение (Fine-tuning): Модель адаптировали на когорте PhotoBIA (677 взрослых), используя реальные видео 360° для автоматического выбора оптимальных кадров.
- Валидация: Независимая проверка на когорте MetabolicMosaic (132 участника) с полными клиническими данными, включая анализы крови и данные Fitbit.
Точность: PhotoScan против BIA и DXA
PhotoScan не только измеряет процент жира (BF%), но и вычисляет сложные биомаркеры: соотношение андроидного/геноидного жира (A/G) и висцерального/субкутанного жира (V/S). Эти показатели критически важны, так как висцеральный жир напрямую коррелирует с инсулинорезистентностью. В сравнении с умными часами, использующими биоимпедансный анализ (BIA), PhotoScan демонстрирует меньшую ошибку.
| Метрика | PhotoScan (MAE) | BIA (Умные часы) (MAE) | Комментарий |
|---|---|---|---|
| Процент жира (BF%) | 2.15 | 2.91 | PhotoScan точнее на ~26% |
| Соотношение A/G | 0.107 | Недоступно | BIA не измеряет распределение жира |
| Соотношение V/S | 0.094 | Недоступно | BIA не измеряет висцеральный жир |
Клиническая значимость: предсказание инсулинорезистентности
Главная цель PhotoScan — выявление риска диабета. Используя градиентный бустинг, исследователи оценили способность моделей различать пациентов с инсулинорезистентностью (HOMA-IR > 2.9) и без нее. По метрике AUROC (площадь под ROC-кривой) комбинация демографических данных и метрик PhotoScan показала результаты, сопоставимые с использованием данных DXA. Это означает, что обычное фото со смартфона может стать эффективным скрининговым инструментом, заменяющим дорогостоящие клинические обследования для массовой популяции.
Источник: Research ↗