科技 | 人工智能可看脸诊断罕见病,准确率 90%

地理        2019-09-08   来源:午夜焦点

约有8%的世界人口受到遗传综合征的困扰,此类患者往往具有可识别的面部特征。然而,遗传综合征的诊断过程却出奇陈旧,大多数时候需要医生手工测量面部特征之间的距离。1月7日,总部位于波士顿的人工智能公司FDNA发布了一项最新研究,他们发现,通过训练数万张真实的患者面部图像,人工智能能够以较高的精度从人脸照片中识别出罕见遗传综合征。

这项研究题为《通过深度学习识别遗传疾病的面部表型》(Identifying Facial Phenotypes of Genetic Disorders Using Deep Learning),发表于《自然-医学》杂志。

《自然-医学》杂志评价称,尽管这项研究的测试集相对较小,但其结果表明人工智能可能有助于诊断罕见遗传疾病。

独立实验胜过临床专家

论文的第一作者亚龙·古罗维奇(Yaron Gurovich)及其同事利用17000多张面部图像训练了一种名为DeepGestalt的深度学习算法。DeepGestalt结合了计算机视觉和深度学习算法,是一种新型面部分析框架,能够分辨出数百种遗传综合征的面部表征。

DeepGestalt算法的图像处理及分析过程。

上述17000张面部图像代表了超过200种的综合征,例如先天性胸腺发育不良、全前脑畸形、鲁宾斯坦-泰比综合症、胎儿酒精综合症等。

在这项研究的两组独立测试集实验中,人工智能算法被要求列出每张面部图像可能代表的综合征,并按不同综合征的概率依次排序。实验结果显示,人工智能有90%的概率能成功地在前10个答案中列出正确的疾病名称。

人工智能还在三个独立实验中战胜了临床专家。研究人员介绍,在反映实际临床问题的最后一个实验中,人工智能算法Deepgestalt在502个不同的图像上识别出正确综合征的准确率达到了91%。

患有胎儿酒精综合症的婴儿

论文第一作者亚龙·古罗维奇(Yaron Gurovich)认为,他们的工作提高了标准化描述遗传疾病特征的能力,为未来的研究和应用打开了大门,也有助于新型遗传疾病的鉴定。

担忧歧视性滥用

论文合著者凯伦·葛利普(Karen Gripp)说,这是医学遗传学领域期待已久的突破,“通过这项研究,我们发现在临床工作中加入自动化的面部分析框架(例如DeepGestalt)有助于实现早期诊断和治疗,还可以帮助人们提高生活质量。”

但是,人脸图像是敏感且容易获取的数据,若使用不慎,看脸识疾病的技术将引发歧视等伦理问题。

三年前,上海交通大学教授武筱林训练出了可以看脸识罪犯的人工智能系统,准确率达到86%。当时,这项研究引发了广泛争议,也遭受了纷至沓来的批评。不少学者认为该研究充满了歧视和误导,将给无辜的人们带来巨大的麻烦。

也许是因为这样的前车之鉴,FDNA最新研究的作者指出,应防止DeepGestalt技术的歧视性滥用。

2015年准确率为25%

说回到人工智能公司FDNA。2014年,FDNA推出了脸部疾病识别产品,名为Face2Gene,可以帮助识别大约50种已知的遗传综合征。

到2015年,FDNA引入了深度学习算法和英伟达的CUDA通用并行计算架构。当时,FDNA计划将Face2Gene的诊断准确率从25%提升至40%。

据FDNA公司介绍,他们用了三年的时间在Face2Gene平台上收集了15万名患者的面部数据。这次研究的17000多张面部图像正是出自这个数据库。

Face2Gene的使用方法是将病人的人脸照片与确诊病人的照片进行比对,再根据患病的可能性,从高到低给出一系列潜在的诊断。患者还可以通过手机APP将自己的照片上传到服务器,以获取初步的诊断结果。


相关阅读