Гипертония и диабет остаются молчаливыми убийцами современного мира: по последним оценкам, около 1,4 миллиарда взрослых в возрасте от 30 до 79 лет живут с повышенным давлением, а более 589 миллионов человек во всем мире страдают сахарным диабетом. Эти два состояния входят в число главных модифицируемых факторов риска сердечно-сосудистых катастроф, но колоссальная доля случаев так и остается невыявленной — люди годами не знают о своем диагнозе, потому что классический скрининг требует либо визита к врачу, либо использования специальных устройств, что сильно ограничивает охват населения.
Именно этот разрыв между потребностью в массовом обследовании и практическими барьерами попыталась преодолеть группа японских исследователей из Токийского университета и Научно-технического института Токио, предложив решение на стыке медицины и компьютерного зрения.
Суть их подхода проста по замыслу, но сложна по исполнению: алгоритм машинного обучения анализирует короткую видеозапись лица и ладоней, снятую высокоскоростной спектроскопической камерой, и извлекает из этого визуального ряда информацию, которую человеческий глаз не способен уловить. Речь идет о динамике пульсовой волны — ключевом показателе жесткости артерий, о паттернах кожного кровотока и о спектральных характеристиках цвета кожи, которые меняются в зависимости от состояния микроциркуляции и метаболических нарушений.
В проспективном одноцентровом исследовании приняли участие 215 человек, среди которых были как уже диагностированные пациенты, так и здоровые добровольцы, и каждого из них не только сняли на камеру, но и подвергли стандартному медицинскому обследованию для верификации результатов.
И цифры, которые получили ученые, производят сильное впечатление. По 30-секундной записи алгоритм выявлял гипертонию с точностью 95,0% — это означает, что система ошибалась лишь в каждом двадцатом случае. При этом чувствительность для нормального артериального давления достигала 100%, а для гипертонии — 89,2%, что говорит о крайне низкой вероятности пропустить болезнь, хотя некоторый процент ложных тревог все же остается.
Но самое удивительное — даже 5-секундного видео оказалось достаточно, чтобы точность осталась на уровне 90,3%. Это принципиально важно для будущего практического применения, потому что чем короче запись, тем проще интегрировать такую технологию в мобильные приложения, терминалы самообслуживания в аптеках или даже в системы удаленного мониторинга.
Еще более интригующим оказался второй этап работы: алгоритм научили выявлять диабет, но уже не по пульсовой волне, а по паттернам кровотока в коже лица. Здесь точность также оказалась высокой — 88,2% для 30-секундного видео и 81,2% для пятисекундного. Причем система не просто бинарно классифицировала наличие или отсутствие заболевания, а могла оценивать уровень артериального давления без использования привычной манжеты, что само по себе является прорывом для ситуаций, где тонометр недоступен.
Средняя абсолютная процентная ошибка для систолического давления составила 8,6%, а средняя систематическая ошибка — всего минус 2,6 мм ртутного столба, что укладывается в строгие нормативы Ассоциации по развитию медицинского приборостроения, хотя разброс индивидуальных значений все еще требует улучшения, так как стандартное отклонение ошибки превышает допустимый порог.
Важно понимать, что речь идет не о случайной корреляции, а о физиологически обоснованных закономерностях. Кожа — это не просто покров, а орган, который отражает состояние сосудов, вязкость крови, эластичность артериальной стенки и даже метаболический статус тканей. Изменения микроциркуляции при гипертонии и диабете происходят задолго до появления клинических симптомов, и именно это раннее окно пытается захватить алгоритм. По сути, видеозапись становится оптическим датчиком, который улавливает тончайшие колебания цвета и пульсации, недоступные глазу, но информативные для обученной нейросети.
Разработка велась при поддержке Японского агентства науки и технологий, а презентация результатов состоялась на конгрессе Европейского общества кардиологов в Мюнхене, где подобные технологии традиционно вызывают живой интерес. Однако за яркими цифрами стоит и доля здорового скепсиса. Текущее исследование — одноцентровое, с относительно небольшой выборкой в 215 человек, и для подтверждения универсальности алгоритма потребуются многоцентровые испытания на разных популяциях, с разным фототипом кожи, возрастом и спектром сопутствующих заболеваний. Кроме того, точность оценки систолического давления пока уступает классическим приборам по стабильности, и прежде чем такая система попадет в реальную клиническую практику, разработчикам предстоит снизить вариабельность измерений, особенно в зоне высокого давления, где погрешность становится критичной.
Тем не менее, направление выбрано крайне перспективное. Уже сейчас можно представить сценарии, где подобный алгоритм работает в режиме массового скрининга в торговых центрах, на вокзалах или через веб-камеры смартфонов, позволяя выявлять миллионы недиагностированных случаев на ранних стадиях. Гипертония и диабет относятся к тем состояниям, где раннее начало терапии радикально меняет прогноз, и любой инструмент, снижающий порог входа в систему диагностики, имеет колоссальную социальную ценность.
Осталось дождаться следующих этапов исследований, которые покажут, насколько устойчив алгоритм к внешним помехам — освещению, движению, косметике, состоянию кожи — и сможет ли он работать в реальном времени без специальной камеры. Но даже сейчас очевидно: медицина будущего все чаще будет заглядывать в лицо пациенту не для того, чтобы прочитать эмоции, а чтобы считать скрытые сигналы о самом главном — о здоровье сосудов и обмене веществ. И этот взгляд искусственного интеллекта становится все более проницательным.
Изображение: разработано Мagnific.
