黄疸是一种由于胆红素水平升高导致皮肤和眼睛发黄的症状，可能提示多种潜在的健康问题，如肝病、胆管阻塞或溶血。早期发现和准确诊断对于及时干预至关重要，特别是在资源有限的情况下。传统上，胆红素是通过血液测试来测量的，但目前还没有专门的非侵入性筛查方法。
最近的一项研究表明，通过分析巩膜图像和尿液颜色，可以使用人工智能（AI）来预测黄疸。借助机器学习和图像处理的进步，研究人员开发了一种能够高精度识别黄疸迹象的AI程序。该方法提供了一种快速、非侵入性的替代传统血液测试的方法。
该程序利用了深度学习算法，包括DeepSets和随机森林模型，来分析巩膜（眼睛白色部分）的图像，这些图像是在A4白纸上拍摄的，以便进行颜色校正。研究发现，该技术在区分黄疸患者和非黄疸患者的准确性达到了87.1%，并且预测的胆红素水平与实际水平之间有很强的相关性（0.79）。这些结果与之前的研究，如BiliScreen和jScan相比，具有可比性，甚至在某些情况下更优。
除了巩膜图像外，该研究还探讨了使用尿液颜色作为预测标志物的可能性。尽管已知黄疸与深色尿液有关，但仅基于尿液图像的预测可靠性较低。即使结合巩膜数据，也没有提高整体准确性。
一个主要的限制是相对较小的数据集，这可能无法代表全部临床病例。需要进一步验证更大、更多样化的数据，以确认该工具的临床实用性。
尽管如此，这项研究突显了简单、低成本方法在早期黄疸检测中的潜力，特别是当集成到基于智能手机的应用程序中时。通过减少对侵入性血液测试的需求，这种AI驱动的工具可以显著提高患者的舒适度和可及性，尤其是在医疗资源有限的地区。
(全文结束)
