⭐ נקודות עיקריות
- חוקרי גוגל הציגו מודל המנתח הרכב גוף מתמונות סמארטפון ומספק חלופה לבדיקות יקרות.
- המודל מעריך אחוזי שומן בדיוק גבוה משעונים חכמים ומוסיף נתוני פיזור שומן שחיישנים לבישים אינם מודדים.
- ניתוח פיזור השומן מסייע בזיהוי מוקדם ומדויק של עמידות לאינסולין וסוכרת מסוג 2.
- הפיתוח מוגדר כאב-טיפוס מחקרי בלבד וטרם הוכרז שילובו במוצרים מסחריים לצרכנים.
חוקרי גוגל (Google) הציגו את PhotoScan, מודל בינה מלאכותית מחקרי המסוגל להעריך את הרכב הגוף ופיזור השומן באמצעות ניתוח תמונות רגילות שצולמו בסמארטפון.
המערכת נועדה להפיק תובנות בריאותיות בדומה למדידות של שעונים חכמים, ואף לספק רמת דיוק גבוהה יותר המתקרבת לזו של ציוד קליני ייעודי.
PhotoScan מעבד תמונות גוף ומחשב מדדים כמו אחוז שומן כולל, יחס שומן בטני ויחס שומן סביב האיברים הפנימיים. הפיתוח מציע חלופה דיגיטלית ופשוטה לבדיקות רפואיות מסורבלות ויקרות, ללא צורך בהגעה למרפאה או בחשיפה לקרינה.
החשיבות המרכזית של הפיתוח טמונה ביכולת לאתר סימנים מקדימים לעמידות לאינסולין (Insulin Resistance) ולסוכרת מסוג 2 שנים לפני שרמות הסוכר בדם עולות.
בעוד שמדד מסת גוף (BMI) מספק תמונה כללית ושטחית בלבד, זיהוי מדויק של מיקומי מאגרי השומן מעניק תמונה רפואית מהימנה על הסיכון המטבולי.
הרעיון להעריך הרכב גוף מצילום סמארטפון הוא לא חדש. אמזון השיקה ב-2020 את Halo Body, שירות שבנה מודל תלת-ממדי של הגוף מארבע תמונות שצולמו בטלפון והעריך ממנו אחוזי שומן, אך החברה סגרה את מערך Halo כולו ב-2023.
מדידת הרכב גוף במכשירים צרכניים נשענת כיום בעיקר על חיישני עכבה ביו-חשמלית (BIA), המופיעים בסדרת Galaxy Watch של סמסונג ובמשקלים חכמים כמו אלה של Withings. חיישנים מהסוג הזה מספקים אחוז שומן כללי בלבד, ללא מידע על מיקום מאגרי השומן בגוף – וזה בדיוק הפער ש-PhotoScan מנסה לסגור.
מאפיינים עיקריים ואימון המודל
כדי לבנות את המערכת, החוקרים אימנו מודל למידה עמוקה על בסיס נתונים רחב שכלל מעל 35,000 נבדקים ממאגר UK Biobank, תוך שילוב נתוני דימות תהודה מגנטית (MRI) וסריקות צפיפות עצם ורקמות (DXA).
בהמשך כוונן המודל באמצעות תמונות סמארטפון של 677 מבוגרים, תוך חילוץ זוויות צילום חזיתיות וצדיות מתוך סרטוני וידאו.
מעבר לאחוז השומן הכולל, המודל מחשב את היחס בין שומן באזור הבטן לשומן באזור הירכיים והישבן (A/G ratio), המבדיל בין מבני גוף שונים.
בנוסף, המערכת מודדת את היחס בין שומן קרבי פנימי העוטף את האיברים לשומן תת-עורי (V/S ratio) – נתונים קריטיים להערכת סיכונים בריאותיים שחיישנים לבישים אינם מסוגלים למדוד כיום.
ביצועים וזיהוי מוקדם של עמידות לאינסולין
החוקרים השוו את ביצועי PhotoScan מול חיישני ניתוח עכבה ביו-חשמלית (BIA) המשולבים בשעונים חכמים ומול סריקת DXA קלינית, בשני מדדים נפרדים: דיוק הערכת אחוז השומן, ורמת הדיוק הסטטיסטית (AUROC) בחיזוי מדד HOMA-IR המעריך עמידות לאינסולין.
| שיטת המדידה | שגיאה ממוצעת באחוז שומן | דיוק חיזוי עמידות לאינסולין (AUROC) |
| נתונים בסיסיים בלבד | לא נמדד | 0.692 |
| חיישני BIA בשעונים חכמים | 2.91% | ללא שיפור על נתוני הבסיס |
| PhotoScan (תמונות סמארטפון) | 2.15% | 0.760 |
| סריקת DXA קלינית | לא נמדד | 0.773 |
יציבות התוצאות נשמרה גם במחקר אימות עצמאי שנמשך 30 שבועות בקרב 132 משתתפים.
הפער המשמעותי נמצא בחיזוי עמידות לאינסולין: שילוב מדדי PhotoScan עם הנתונים הבסיסיים קירב את הדיוק לרמת סריקת DXA, בעוד שנתוני חיישני השעונים החכמים לא תרמו לשיפור החיזוי כלל.
זמינות ולוחות זמנים
טכנולוגיית PhotoScan מוגדרת בשלב זה כאב-טיפוס מחקרי בלבד, וגוגל לא מסרה לוחות זמנים לשילובה באפליקציות בריאות או במכשירים עתידיים.
לדברי צוות המחקר, השלב הבא יתמקד בשילוב מדדי התמונות יחד עם ניטור רציף של חיישנים לבישים ובדיקות דם שגרתיות ליצירת תמונת בריאות מקיפה.
