blog

Apr 13, 2023

Confiabilidade de não

Relatórios Científicos volume 13,

Scientific Reports volume 13, Número do artigo: 1334 (2023) Citar este artigo

866 Acessos

2 Altmétrica

Detalhes das métricas

A síndrome de Sjögren (SS) é uma doença autoimune caracterizada por boca seca. A causa da SS é desconhecida e seus diversos sintomas dificultam o diagnóstico. O teste Saxon, um exame intraoral, é usado como o principal método diagnóstico para SS, no entanto, o risco de infecção salivar é problemático. Portanto, investigamos a possibilidade de diagnosticar SS por não contato e observação de imagem da superfície da língua. Neste estudo, obtivemos fotografias da língua de 60 pacientes no ambulatório da Faculdade de Odontologia da Universidade de Tsurumi para esclarecer a relação entre as características da língua e SS. Dividimos a língua em quatro regiões, e a cor de cada região foi transformada no espaço CIE1976L*a*b* e analisada estatisticamente. Para esclarecer experimentalmente a possibilidade de diagnóstico de SS usando a cor da língua, empregamos três modelos de aprendizado de máquina: regressão logística, máquina de vetores de suporte e floresta aleatória. Além disso, construímos modelos de previsão de diagnóstico com base nos métodos Bagging e Stacking combinados com três modelos de aprendizado de máquina para avaliação comparativa. Esta análise usou a compressão de dimensionalidade pela análise de componentes principais para eliminar a redundância na informação da cor da língua. Encontramos uma diferença significativa entre o valor a* da parte posterior da língua e o valor b* da parte média da língua em pacientes SS e não SS. Além das pontuações dos componentes principais da cor da língua, a máquina de vetores de suporte foi treinada usando a idade e alcançou alta precisão (71,3%) e especificidade (78,1%). Os resultados indicam que a predição do diagnóstico de SS pela cor da língua atinge um nível comparável aos modelos de aprendizado de máquina treinados com o teste Saxon. Este é o primeiro estudo usando aprendizado de máquina para prever o diagnóstico de SS por meio da observação da língua sem contato. Nosso método proposto pode auxiliar na detecção precoce da SS de forma simples e conveniente, eliminando o risco de infecção no momento do diagnóstico, e deve ser validado e otimizado na prática clínica.

A síndrome de Sjögren (SS) é uma doença autoimune caracterizada por boca e olhos secos. Acredita-se que seja causada por uma relação complexa entre anormalidades imunológicas, secreção de hormônios femininos e hereditariedade; no entanto, a causa exata dessa doença ainda não foi esclarecida. Múltiplos testes clínicos têm sido empregados para o diagnóstico de SS. Um dos exames bucais comumente usados ​​é o teste Saxon, que envolve a observação quantitativa da saliva para determinar a secura oral. No entanto, nos últimos anos, a presença do vírus COVID-19 na saliva dificultou a realização de testes de saliva para avaliação das condições bucais. Portanto, é necessário desenvolver um método objetivo para avaliar as condições bucais.

Os sintomas mais comuns da SS incluem boca seca, dor na língua, fissuras na língua e descoloração da língua devido à candidíase oral1. Além disso, estudos dermatoscópicos revelaram que diferenças na aparência da estrutura e coloração da superfície da língua podem ser marcadores importantes para o diagnóstico da ES2. As características da língua, como cor, brilho e forma, fornecem pistas diagnósticas clinicamente críticas para o diagnóstico de várias outras doenças3,4.

Estudos recentes relataram o potencial promissor dos métodos de aprendizado de máquina no desenvolvimento de diversas ferramentas de bioinformática5,6 e aplicações para análise de imagens de língua7. A utilização de aparelhos de imagem para o diagnóstico de doenças é uma abordagem simples e rápida, podendo ser adequada como exame de triagem para diversas doenças. Em um estudo anterior, desenvolvemos um sistema de análise de imagens de língua (TIAS) que pode ser usado para diagnóstico de língua auxiliado por computador com base na cor da língua8,9. A característica essencial do método de imagem da língua do TIAS é a exclusão da influência da luz externa, utilizando uma esfera de integração para obter uma intensidade de luz distribuída uniformemente. Além disso, o TIAS pode remover o brilho da superfície da língua de suas imagens para estabilizar a cor da superfície da língua e a saburra da língua.