【安防展覽網 時事聚焦】 望、聞、問、切，早源于《難經》第六十一難，是為中醫之綱領。其中，望，指觀氣色；聞，指聽聲息；問，指問癥狀；切，指摸脈象，合稱四診。
四診之中，“望”為第一。在典故《扁鵲見蔡桓公》中，扁鵲神醫觀蔡桓公氣色便告知“君有疾在腠理，不治將恐深”，蔡桓公諱疾忌醫，終病入膏肓，無藥可醫。
由此可見，氣色可以充分反應一個人的精神面貌以及身體狀態，身體健康的人氣色大多不錯，而患病的人看起來往往面色枯槁，萎靡不振。那么，我們是否可以通過面貌分析去辨別這個人是否患有某種疾病呢？
近日，中國國家心血管病中心、清華大學自動化系的研究人員在《歐洲心臟病學會》(ESC)上發表題為：Feasibility of using deep learning to detect coronary artery disease based on facial photo 的研究論文。
國家心血管病中心副主任、中國醫學科學院阜外醫院副院長鄭哲教授，以及清華大學自動化系季向陽教授是論文的通訊作者。
這項研究表明，向醫生發送一張“自拍照”可能是一種廉價而簡單的檢測心臟病的方法。研究人員利用深度學習計算機算法對人臉照片進行分析，從而判定檢測者是否患有冠狀動脈疾病(CAD)，預測和量化患者的心臟病風險。
聽起來有點是“天方夜譚”，但人工智能的進步使得扁鵲神醫的“觀人診病”不再是一個傳說。
面部特征與心腦血管疾病
心腦血管疾病，是一種嚴重威脅人類(尤其是中老年人)健康的常見疾病，具有高患病率、高致殘率和高死亡率的特點。更可怕的是，*每年死于心腦血管疾病的人數超過 1500 萬人，在人類死亡原因中高居*！
心腦血管疾病并非是突發性疾病，而是在長期的、各種因素的影響下而造成的慢性疾病。這漫長的過程中，患者的面貌特征也受到了潛移默化的影響，從而表現出與常人不同的特征。
很早之前，人們就發現，某些面部特征與患心臟病的風險增加有關，包括頭發稀疏或變白、皺紋、耳垂折痕、黃斑變性(通常在眼瞼周圍的小的黃色膽固醇沉積)以及角膜病變(脂肪和膽固醇沉積，在角膜外緣呈模糊的白色、灰色或藍色不透明環)等等。
但不得不說的是，普通醫生若想通過這些癥狀去判斷一位患者是否患有心臟疾病，是一件十分困難的事，也許只有那些具有數十年醫齡的老先生才能使用它們來預測和量化患者的心臟病風險。
顯而易見，這需要長期的實踐和大量的相關經驗，那么，又有什么東西可以在短時間內積累大量的診斷經驗呢？
答案當然是人工智能！
心臟病人臉預測
近年來，人工智能獲得了空前的發展，“Siri”、“小度”和“小愛同學”等人工智能語音助手已經步入大眾的視野，協助我們更好地獲得各類信息。不僅如此，人工智能還在其他領域發揮著舉足輕重的作用。
在這項研究中，鄭哲教授和季向陽教授領導的研究團隊從中國8家醫院招募了 5796 名患者參加了這項研究。這些病人正在接受檢查他們血管的成像程序，如冠狀動脈造影或冠狀動脈計算機斷層造影(CCTA)。
患者被隨機分為兩組——訓練組(5216 例，占 90%)和驗證組(580 例，占 10%)。訓練有素的研究護士會用數碼相機拍下患者的 4 張面部照片：一張正面照片，兩張側面照片和一張頭頂照片。
與此同時，研究人員對這些患者進行采訪登記，以收集他們的社會經濟狀況、生活方式和病史方面的數據。此外，放射科醫生還會檢測這些患者的血管造影，并根據血管縮小 50% 或以上的數量和位置指標評估了心臟病的嚴重程度。
值得一提的是，這些信息都將用來創建、訓練和驗證人工智能的深度學習算法。
隨后，研究人員在中國 9 家醫院的 1013 名患者身上測試了該算法，這些患者是在 2019 年 4 月至 2019 年 7 月期間登記的，多數為漢族。
他們發現，該深度學習算法優于現有的、預測心臟病風險的方法(Diamond-Forrester 模型和 CAD 聯盟臨床評分)。在驗證組患者中，該算法在 80% 的病例中正確檢測出心臟病(真實陽性率或“敏感性”)，在 61% 的病例中沒有正確檢測出心臟病(真實陰性率或“特異性”)。與之相對，試驗組的敏感性為 80%，而特異性為 54%。
對此，季向陽教授說道：“該算法的性能一般，額外的臨床信息并沒有提高它的性能，這意味著它可以很容易地僅根據面部照片來預測潛在的心臟病。”
他還表示，與其他面部區域相比，臉頰、前額和鼻子為算法提供了更多信息。然而，研究仍需要進一步提高算法的特異性，因為高達 46% 的假陽性率可能會給患者帶來焦慮和不便，而且可能會使醫院超負荷，因為會有更多的人進行不必要的檢查。
與其他面部區域相比，臉頰、前額和鼻子為算法提供了更多信息
除此之外，該研究還需要在其他種族群體中進行測試外，并且由于測試組為單中心且與那些為開發算法提供患者的中心不同，這可能進一步限制了該算法在其他人群中的通用性。
一項開創性成就
雖然算法有一定局限性，并需要在更大的、來自不同種族背景的人群中進行進一步的開發和測試。但鄭哲教授表示，這項研究成果還是十分具有開創性意義的，該深度學習算法有望成為在一般人群中篩查心臟病高危患者的高效檢測工具。
他說道：“據我們所知，這是第一項證明人工智能可以通過人臉分析以檢測心臟病的研究工作。同時，這也是開發基于深度學習的醫學人工智能工具的又一大步。這種工具可以用于評估心臟病的風險，從而指導進一步的診斷測試或臨床訪問。”
“我們的終目標是為高風險社區開發一種自我報告應用程序，以便患者在去診所之前先大致評估自己的心臟病風險。這可能是一種廉價、簡單和有效的識別需要進一步調查的病人的方法。當然，該算法還需要在其他人群和種族中進一步驗證和改進。”
利用人臉識別進行CAD篩查的原理圖
《歐洲心臟病學會》的一篇相關評論中，英國牛津大學心血管醫學教授 Charalambos Antoniades 及其學生 Christos Kotanidis 博士寫道：“總體而言，該研究突出了人工智能算法在醫學診斷的新潛力。”
“這項研究的的意義在于他們的深度學習算法只需要一個簡單的面部圖像作為數據輸入，就能使其具有大規模應用的能力。”
他們還表示，使用自拍作為篩查方法，從而簡單而有效的對普通人群進行篩查，檢測者再根據結果進行更全面的臨床評估。選擇過程將允許分層的人群進入醫療系統，接受 CCTA 的一線診斷測試。這種方法將有利于落后、貧困地區的心血管疾病篩查。
值得一提的是，Antoniades 和 Kotanidis 還強調了這項研究的局限性——這些問題包括該測試的低特異性，該測試需要在更大的人群中得到改進和驗證，以及它引發了有關“以貌識人”的倫理問題。
不得不說，隱私問題是很重要的，如果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，那么這將對個人數據保護造成重大威脅。實際上，這種擔憂已經在基因數據的濫用上有所表現。
因此，人工智能在醫學上的應用應當慎重審視。
對此，鄭哲教授也表示同意這一觀點：“開發和應用這些新技術的倫理問題是非常重要的。我們認為，未來對臨床工具的研究應該關注隱私、保險和其他社會影響，以確保該工具僅用于醫療目的。”
總而言之，這項研究是開創性的，且具有意義的?；谌四樧R別開發的心臟病風險預測算法預示著未來醫學領域將出現更多類似的工具，到那時候，或許我們就可以做到足不出戶便能對自己的身體狀況進行一個大致的檢查判斷。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
