Diagnóstico de lengua y ojos basado en IA: Integración de Microsoft Custom Vision y AI Foundry en un sistema holístico de control de la salud

Índice

AI lengua ojo diagnóstico myzencheck customvision fundición

Este estudio presenta una solución de diagnóstico de salud impulsada por IA desarrollada por MyZenCheck que integra un escáner de diagnóstico de la lengua y un escáner de análisis ocular basado en los principios de la Medicina Tradicional China (MTC). Utilizando Custom Vision de Microsoft para la segmentación de imágenes y agentes de AI Foundry para el procesamiento y diagnóstico inteligentes, la plataforma demuestra cómo las herramientas modernas de IA pueden mejorar el conocimiento de la salud personal. El sistema ofrece a los usuarios información en tiempo real a través de aplicaciones móviles, creando un puente entre el diagnóstico antiguo y el aprendizaje automático moderno.

1. Introducción

Antecedentes del diagnóstico de la MTC
Limitaciones de los métodos tradicionales (subjetividad, falta de escalabilidad)
El auge de la IA en la vigilancia de la salud
Finalidad: Desarrollar y probar una plataforma de diagnóstico basada en IA utilizando herramientas de Microsoft y la metodología TCM.

2. Arquitectura del sistema

2.1. Recogida de datos a través de la aplicación MyZenCheck

Imágenes de la lengua y los ojos recogidas a través de aplicaciones móviles
Almacenamiento seguro en la nube con anonimización
Se incluyen datos opcionales de encuestas sanitarias para una mayor precisión contextual

2.2. Segmentación de imágenes con Microsoft Custom Vision

Modelo de visión personalizado entrenado para identificar características visuales clave (por ejemplo, grietas, color, revestimiento, tamaño de la pupila)
Clasificación de proyectos: Detección de objetos para segmentación y etiquetado
Conjunto de datos: 500imágenes

2.3. Análisis mediante agentes de AI Foundry

Agentes creados con la lógica de Azure AI Foundry
Tareas: Extracción de características → Coincidencia de patrones → Lógica de diagnóstico basada en MTC.
Razonamiento en varios pasos y generación de consejos personalizados

3. Metodología

Pasos del preprocesamiento de imágenes
Estrategia de formación y métricas de rendimiento en Custom Vision
Modelos basados en reglas y probabilísticos dentro de los agentes de AI Foundry
Validación cruzada y pruebas de precisión diagnóstica

4. Resultados

4.1. Precisión de segmentación

Precisión/Recordatorio para rasgos de la lengua, marcadores oculares
Matriz de confusión para resultados diagnósticos comunes
Comparación con la anotación manual de expertos en MTC

4.2. Relevancia diagnóstica

Puntuación de acuerdo con médicos expertos en MTC
Casos prácticos: Desequilibrio hormonal, problemas digestivos, detección del estrés

5. Debate

Ventajas: Escalabilidad, rentabilidad, objetividad
Desafíos: Variabilidad de la iluminación, conformidad del usuario, interpretabilidad
Limitaciones: No sustituye a la consulta médica

6. Conclusión y trabajo futuro

Resumen de los resultados del diagnóstico
Hoja de ruta de la integración: Recomendaciones en tiempo real, expansión multilingüe
Dirección de la investigación: Combinar los datos de la lengua y los ojos para una mayor precisión