Onderzoekers uit Irak en Australië zijn erin geslaagd een AI-algoritme te ontwikkelen dat met 98 procent nauwkeurigheid verschillende ziektes kan diagnosticeren aan de hand van foto’s van de kleur van de tong. Met deze methode kunnen onder andere diabetes, beroerte, bloedarmoede, astma, lever- en galblaasaandoeningen, COVID-19 en een reeks vasculaire en gastro-intestinale aandoeningen gediagnosticeerd worden.
Bij de ontwikkeling van de AI-diagnose tool maakten de technische onderzoekers van de Middle Technical University (MTU) en de University of South Australia (UniSA) gebruik van 5.260 medische afbeeldingen van tongen. Daarmee trainden zij (via machine learning) het algoritme om de kleur van de tong te detecteren. Voor het onderzoek werden camera’s gebruikt die op 20 centimeter van de tong foto’s maakten. Het beeldvormingssysteem voorspelde met behulp van de AI-tool vervolgens real-time de gezondheidstoestand van de patiënt.
Tongkleur kan ziekten verraden
Het diagnosticeren van een ziekte met behulp van de tong(kleur) is een techniek die 2000 jaar geleden al werd toegepast in de traditionele Chinese geneeskunde. “De kleur, vorm en dikte van de tong kunnen een heleboel gezondheidsaandoeningen onthullen”, aldus hoofdauteur Ali Al-Naji, adjunct-professor van MTU en UniSA.
De diagnose van medische aandoeningen door de tong van een patiënt te kijken, is gebaseerd op de observatie van verschillende tongkenmerken, waaronder kleur, vorm, textuur en vochtigheid, die de gezondheidsstatus van de patiënt aangeven. De kleur van de tong is een van de kenmerken dat een belangrijke rol speelt bij het identificeren van ziekten en de mate van progressie van de kwaal.
“Mensen met diabetes hebben meestal een gele tong, kankerpatiënten een paarse tong met een dikke, vettige laag en patiënten met een acute beroerte hebben een ongewoon gevormde rode tong. Een witte tong kan duiden op bloedarmoede; mensen met ernstige gevallen van COVID-19 hebben waarschijnlijk een dieprode tong; en een indigo of violet gekleurde tong duidt op vasculaire en gastro-intestinale problemen of astma”, aldus de onderzoekers.
Met de ontwikkeling van computer vision systemen, vooral op het gebied van kunstmatige intelligentie, is er belangrijke vooruitgang geboekt in het verwerven, verwerken en classificeren van tongbeelden. In dit onderzoek wordt een nieuw beeldvormingssysteem voorgesteld voor het analyseren en extraheren van kleurkenmerken van de tong bij verschillende kleurverzadigingen en onder verschillende lichtomstandigheden uit vijf kleurruimtemodellen (RGB, YcbCr, HSV, LAB en YIQ).
Zeven kleuren
De 5260 beelden de gebruikt werden, waren ingedeeld in zeven klassen (rood, geel, groen, blauw, grijs, wit en roze) met behulp van zes machine-learning algoritmen, te weten de naïeve Bayes (NB), support vector machine (SVM), k-nearest neighbors (KNN), beslisbomen (DTs), random forest (RF) en Extreme Gradient Boost (XGBoost) methoden. Daarmee kon de de kleur van de tong onder alle lichtomstandigheden voorspeld worden.
De verkregen resultaten van de machine learning-algoritmen lieten zien dat XGBoost met 98,71% de hoogste nauwkeurigheid had, terwijl het NB-algoritme met 91,43% de laagste nauwkeurigheid had. Op basis van deze resultaten werd het XGBoost-algoritme gekozen als classificator van het voorgestelde beeldvormingssysteem en gekoppeld aan een grafische gebruikersinterface om de kleur van de tong en gerelateerde ziekten in realtime te voorspellen. Dit voorgestelde beeldvormingssysteem opent dus de deur voor een uitgebreide tongdiagnose binnen toekomstige point-of-care gezondheidssystemen.
98 procent nauwkeurigheid
Voor test van het AI-algoritme werd gebruik gemaakt van 60 tongafbeeldingen van patiënten van ziekenhuizen uit het Midden-Oosten. Deze patiënten hadden verschillende ziekten. Het AI-model van de onderzoekers slaagde er in bijna alle gevallen in om de tongkleur te matchen met de ziekte.
“Deze resultaten bevestigen dat gecomputeriseerde tonganalyse een veilige, efficiënte, gebruiksvriendelijke en betaalbare methode is voor het screenen van ziekten die moderne methoden ondersteunt met een eeuwenoude praktijk,” vertelt professor Chahl.
