北京主治白癜风医院 http://wapyyk.39.net/bj/zhuanke/89ac7.html

医院和清华大学的研究人员联合开发了一种便宜且简单的检测冠心病的方法——向医生发送“自拍”。

图片来源：Pixabay

来源欧洲心脏病学会

翻译闫硕

审校林深（论文共同一作）

编辑魏潇

近日，医院和清华大学的研究人员发表在《欧洲心脏杂志》（EuropeanHeartJournal）上的一项研究显示，他们开发了一种基于深度学习算法的人工智能（AI）系统，可以通过分析一个人的四张脸部照片，达到检测冠心病（CAD）的目的。

相关研究人员表示，该算法可能适用于高危病人的冠心病筛查和识别，从而为早期就诊提供进一步的临床依据。目前，这种算法还需要进一步开发，并在更多不同种族的人中进行测试。

领导这项研究的中国国家心血管病中心副主任兼中医院副院长郑哲表示：“据我们所知，这项研究第一次证明了人工智能可以通过分析人脸去检测冠心病。这是朝着开发一种基于深度学习的冠心病AI检测工具迈出的第一步。无论是在门诊还是在家，患者都可以在AI的帮助下用“自拍”对自己进行心脏病风险的评估。同时，检测结果还可以进一步指导接下来的就诊、临床检查和诊断。”

他还指出：“我们的最终目标是要开发出一款评估冠心病风险的应用程序，医院之前，就可以得到心脏病的自我评估报告。这可能成为是一种廉价、简单、有效鉴别心脏病的方法。”

检测冠心病的算法

众所周知，人的某些面部特征与患心脏病的风险有密切关系。这些症状包括头发稀疏或灰白、皱纹、耳垂皱褶、黄色弹性瘤（皮肤下方的胆固醇沉积，通常在眼睑周围）和角膜弓（脂肪和胆固醇沉积在角膜外缘呈模糊的白色、灰色或蓝色不透明环）。不过，目前人们还无法通过这些面部特征来预测和量化患冠心病的风险。

为了全面整合面部特症来预测冠心病，在年7月至年3月期间，郑哲、清华大学自动化系脑与认知研究所所长季向阳和其他研究人员从中国内8家医院招募了名拟接受冠状动脉造影或冠状动脉CT血管成像（cCTA）检查的患者（以汉族为主）参与了这项研究。他们被随机分为算法训练组（例，90%）和算法验证组（例，10%）。

基于面部照片的冠状动脉疾病深度学习算法的开发与验证。

图片来源：论文

数据采集中，受过训练的护士需要用数码相机为病人拍四张面部照片，包括一张正面照片，两张60°侧面照片和一张头顶照片。护士们还和这些患者进行了访谈，以收集他们的生活方式、病史危险因素等方面的数据。放射科医生独立评判患者血管造影，并将血管狭窄程度≥50%者诊断为冠心病。这些信息被用来开发深度学习算法。

算法敏感性为80%

随后，研究人员在年4月至7月期间，在中国9家医院的名患者身上测试了该算法。

他们发现，该算法优于现有的冠心病风险预测方法（Diamond-Forrester模型和CAD联盟临床评分）。在测试组的患者中，该算法有较高的敏感性——80%的患者被正确检测到了心脏病，但特异性仍有待提高——算法仅能正确判断出54%的非心脏病患者，这意味着它的假阳性率达到了46%。

季向阳说：“该算法拥有良好的性能，且不受附加的临床信息影响，这意味着它可以仅根据面部照片来预测潜在的心脏病风险。与其他面部特征相比，脸颊、额头和鼻子为算法提供了更多的信息。不过，算法提供的检测特异性还有待提高，因为高达46%的假阳性率可能会给患者带来焦虑和不便，还可能会导致患者需要进行不必要的检查从而使医疗机构达到超负荷状态。”

意义和局限性

英国牛津大学心血管医学教授CharalambosAntoniades和他的学生ChristosKotanidis在一篇针对该论文的社论中评价道：“总体而言，这项研究成果富有潜力，因为他们的深度学习算法只需要几张面部图像作为唯一输入的数据，从而使其在大规模应用中具有高度的易用性。”

使用面部跟踪进行CAD筛查的示意性建议。

图片来源：论文

他们还指出：“使用自拍作为一种筛选心脏病的方法，是一种简单而有效的方法，可以获得更全面的临床评估。这种方法可以用于资金不足、心血管疾病筛查计划薄弱的国家和地区。这样一个容易完成的筛选过程可以将病人分流——‘自拍’分析被判断患有心脏病的患者将被送入医疗系统，接受cCTA等进一步检查。事实上，高风险的心脏病疑似患者应该去做cCTA，不过通过使用这种新的AI驱动的cCTA图像分析方法可以实现可靠的风险分层。”

同时，他们也指出这项研究中的一些局限性，其中包括测试的特异性低，还需要在更大的人群中进行改进和验证。重要的一点是，他们提出了“出于非医疗目的的信息滥用”的伦理问题：敏感的健康数据可以很容易地从面部照片中提取出来，这可能会使这项技术对个人数据保护构成重大威胁。对遗传数据的滥用已经引发了人们的担忧，现在应该对人工智能在医学中的广泛使用进行重新审视”。

这项研究的作者同意这一观点。郑哲表示：“开发和应用AI新技术的伦理问题至关重要。我们认为，未来的人工智能临床诊断工具应注意隐私、保险和其他社会影响，以确保该诊断工具仅用于医疗目的。”

Antoniades和Kotanidis还提到，将冠心病（CAD）定义为冠状动脉狭窄≥50%“可能过于简单而粗糙，这一定义可能导致处于疾病早期阶段的人被判定为健康患者（这可能解释观察到低特异性的现象）”。

本文来自