AI赋能红外热成像技术早期识别糖尿病足隐匿性温度异常的横断面观察研究

推荐：本研究针对糖尿病足溃疡(DFU)早期检测难题，创新性采用人工智能(AI)驱动的红外热成像技术，通过横断面观察200例受试者（100例糖尿病患者与100例健康对照），发现糖尿病患者足底温度差异显著高于对照组（1.78°C vs 0.47°C，P<0.001），10%糖尿病患者存在临床相关异常。该技术为DFU早期预警提供了客观、非侵入性解决方案，对降低截肢风险具有重要意义。

　　

糖尿病足溃疡(DFU)是全球糖尿病患者最严重的并发症之一，每20秒就有一例因DFU导致的截肢发生。更令人担忧的是，DFU患者5年死亡率是无溃疡患者的2.5倍。尽管医学不断进步，DFU的发病率仍在持续攀升，给医疗系统带来沉重经济负担——研究显示DFU患者的医疗费用是普通糖尿病患者的5.4倍。传统检测方法存在明显局限性：早期DFU往往没有肉眼可见的症状，而等到溃疡形成后再干预，复发率高达65%（5年内）。这种"事后补救"模式迫切需要转变为"事前预防"策略。

在这样的背景下，King Saud University Medical City的研究团队开展了一项开创性研究，探索人工智能(AI)如何革新DFU的早期检测方式。这项发表在《JMIR Diabetes》的研究首次系统评估了AI驱动的红外热成像技术在识别糖尿病足早期温度异常中的价值。

研究采用横断面观察设计，通过智能手机兼容的FLIR ONE Edge Pro热像仪采集200名受试者（98例糖尿病患者与98例健康对照）的足底热图。AI算法自动分割足底区域，分析各血管分区（包括内侧/外侧跖动脉和跟动脉）温度差异。统计方法包括独立样本t检验和多元线性回归，控制年龄、性别、BMI等混杂因素。

主要结果：

1. 温度范围差异：糖尿病患者足底温度波动更大（18.1-35.6°C vs 21.1-35.7°C），平均温度显著更高（29.0±3.0°C vs 28.9±2.8°C，P<0.001）。
2. 双侧不对称性：糖尿病患者足间温差达1.78±1.58°C，是对照组（0.47±0.43°C）的3.8倍（P<0.001，95%CI 0.99-1.63）。
3. 血管分区分析：所有测量区域（内侧/外侧跖动脉和跟动脉）均显示显著差异（P<0.05），证实热成像可精确定位微循环异常区域。
4. 预测模型：回归分析显示糖尿病状态是温度差异的最强预测因子（β=5.544，P=0.017），视网膜病变也呈现显著关联（β=1.3676，P=0.039），提示热成像可能反映全身微血管病变。

讨论与意义：
这项研究首次证明AI热成像技术可在DFU形成前数月甚至数年检测到特征性温度异常。其核心价值在于：

1. 早期预警：10%的糖尿病患者检出临床相关异常，而对照组无一例异常，证实技术特异性。
2. 精准定位：通过血管分区(angiosome)分析，可指导针对性预防措施，如定制减压鞋垫。
3. 远程医疗潜力：智能手机兼容设备使偏远地区筛查成为可能，解决专业热图师短缺问题。

局限性包括样本种族单一和缺乏长期随访数据。研究团队正在开展后续工作，重点验证热异常与后续DFU发生的因果关系。这项技术有望改写DFU管理范式——从"被动治疗溃疡"转变为"主动预防损伤"，为全球5.37亿糖尿病患者带来福音。