陳根：臉部識別檢測心臟病，準確率達80%_風聞

文/陳根

脱髮、黃彈瘤（眼瞼發黃）和角膜弓（角膜周圍的一個不透明的環）是幾個面部生物標誌物之一，表明一個人可能患有心血管疾病。

**基於此，**一個來自中國的研究小組現開發出一種深度學習算法，只需要研究一個人的四張照片，就可以確定一個人患冠心病的風險。

在2017年至2019年的兩年時間裏，研究人員招募了5796名曾在醫院接受心臟成像檢查的患者。每個病人都拍了四張照片——兩張側面照片，一張正面照片，一張俯視頭頂。然後訓練一個深度學習算法來研究這四幅圖像並評估一個人的心臟病風險。

其算法結果，在另外1000名患者中得到驗證：**在隊列中80%的人中，該算法能夠正確檢測出心臟病。另外，該算法能準確檢測出61%的冠心病患者。**這項新研究發表在《歐洲心臟雜誌》上。

毫無疑問，這種人工智能輔助診斷的潛在好處是巨大的，這是學界首次證明人工智能可以用來分析人臉以檢測心臟病，是朝着開發一種基於深度學習的工具邁出的一步，該工具可用於評估心臟病的風險，無論是在門診部，還是通過患者自拍來進行自我篩查。

兩位牛津大學心血管專家的承認，儘管這項技術還沒有準備好投入使用，但這些創新的診斷方法可以徹底改變我們所知的醫學。

但研究人員同時表示，該算法的性能一般，精確度遠未達到將其推廣到臨牀環境中所需的水平，而且附加的臨牀信息並沒有提高其性能，與其他面部區域相比，臉頰、額頭和鼻子為算法提供了更多的信息。畢竟****高達46%的假陽性率可能會給患者帶來焦慮和不便，而且可能會使診所超負荷，患者需要進行不必要的檢查。

此外，另一個需要考慮的問題是，一旦這些診斷工具可以落地時，將會面臨相當大的倫理挑戰。特別值得關注的是非醫學專業人士收集此類私人健康信息的可能性。敏感的健康記錄數據可以很容易地從面部照片中提取出來，這種不必要的傳播會使這裏討論的技術對個人數據保護構成重大威脅。

當技術中立受到商業偏好的影響時，往往會給倫理帶來衝擊。顯然，未來臨牀工具的研究應注意隱私、保險等社會影響，確保該工具僅用於醫療目的。