人工智能看臉識病

2019-01-08 17:41?來源 綜合

　　人工智能看臉識病：人工智能公司FDNA推出最新的人臉識別智能設備，這種最新人工智能能夠以較高的精度從人臉照片中識別出罕見遺傳綜合征，檢查出來的結果準確率也是相當的高。

　　約有8%的世界人口受到遺傳綜合征的困擾，此類患者往往具有可識別的面部特征。然而，遺傳綜合征的診斷過程卻出奇陳舊，大多數時候需要醫生手工測量面部特征之間的距離。

　　2019年1月7日，總部位于波士頓的人工智能公司FDNA發布了一項最新研究，他們發現，通過訓練數萬張真實的患者面部圖像，人工智能能夠以較高的精度從人臉照片中識別出罕見遺傳綜合征。

　　這項研究題為《通過深度學習識別遺傳疾病的面部表型》（IdentifyingFacialPhenotypesofGeneticDisordersUsingDeepLearning），發表于《自然-醫學》雜志。《自然-醫學》雜志評價稱，盡管這項研究的測試集相對較小，但其結果表明人工智能可能有助于診斷罕見遺傳疾病。論文的第一作者亞龍·古羅維奇（YaronGurovich）及其同事利用17000多張面部圖像訓練了一種名為DeepGestalt的深度學習算法。

　　DeepGestalt結合了計算機視覺和深度學習算法，是一種新型面部分析框架，能夠分辨出數百種遺傳綜合征的面部表征。上述17000張面部圖像代表了超過200種的綜合征，例如先天性胸腺發育不良、全前腦畸形、魯賓斯坦-泰比綜合癥、胎兒酒精綜合癥等。在這項研究的兩組獨立測試集實驗中，人工智能算法被要求列出每張面部圖像可能代表的綜合征，并按不同綜合征的概率依次排序。

　　實驗結果顯示，人工智能有90%的概率能成功地在前10個答案中列出正確的疾病名稱。人工智能還在三個獨立實驗中戰勝了臨床專家。研究人員介紹，在反映實際臨床問題的最后一個實驗中，人工智能算法Deepgestalt在502個不同的圖像上識別出正確綜合征的準確率達到了91%。論文第一作者亞龍·古羅維奇（YaronGurovich）認為，他們的工作提高了標準化描述遺傳疾病特征的能力，為未來的研究和應用打開了大門，也有助于新型遺傳疾病的鑒定。論文合著者凱倫·葛利普（KarenGripp）說，這是醫學遺傳學領域期待已久的突破，“通過這項研究，我們發現在臨床工作中加入自動化的面部分析框架（例如DeepGestalt）有助于實現早期診斷和治療，還可以幫助人們提高生活質量。”

　　但是，人臉圖像是敏感且容易獲取的數據，若使用不慎，看臉識疾病的技術將引發歧視等倫理問題。三年前，上海交通大學教授武筱林訓練出了可以看臉識罪犯的人工智能系統，準確率達到86%。當時，這項研究引發了廣泛爭議，也遭受了紛至沓來的批評。不少學者認為該研究充滿了歧視和誤導，將給無辜的人們帶來巨大的麻煩。也許是因為這樣的前車之鑒，FDNA最新研究的作者指出，應防止DeepGestalt技術的歧視性濫用。說回到人工智能公司FDNA。2014年，FDNA推出了臉部疾病識別產品，名為Face2Gene，可以幫助識別大約50種已知的遺傳綜合征。

　　到2015年，FDNA引入了深度學習算法和英偉達的CUDA通用并行計算架構。當時，FDNA計劃將Face2Gene的診斷準確率從25%提升至40%。據FDNA公司介紹，他們用了三年的時間在Face2Gene平臺上收集了15萬名患者的面部數據。這次研究的17000多張面部圖像正是出自這個數據庫。Face2Gene的使用方法是將病人的人臉照片與確診病人的照片進行比對，再根據患病的可能性，從高到低給出一系列潛在的診斷。患者還可以通過手機APP將自己的照片上傳到服務器，以獲取初步的診斷結果。

編輯： yujeu