人工智能可从人脸照片中识别出稀有遗传综合征

  

发布日期:2019-01-20
【字体:打印

  AI医生“看脸”就能识疾病

  DeepGestalt首先识别患者面部的五官,然后将图像裁剪成100×100像素巨细的区域。接下来,使用深度卷积神经网络对这些区域举行评估,剖析每个综合征的概率。然后它综合整个图像的数据给出一个展望。

  Face2Gene手机应用的使用树模

  现在,人工智能在各个领域迅猛生长。新的研究讲明,在医疗领域,人工智能可以资助诊断稀有疾病。

  约有8%的天下生齿受到遗传综合征的困扰,此类患者往往具有可识此外面部特征。然而,遗传综合征的诊断历程却出奇陈旧,大多数时间需要医外行工丈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公布了一项最新研究,他们发现,通过数万张真实患者面部图像的训练,人工智能能够以较高的准确度从人脸照片中识别出稀有遗传综合征。

  “这是人们期待已久的医学遗传学突破,终于取得了结果,”凯伦·格里普在一份声明中说,她是一名医学遗传学家,也是这篇新论文的合著者。“通过这项研究,我们已经讲明,在临床事情流程中添加一个自动的面部门析系统可以资助实现早期诊断和治疗,有望改善生涯质量。”

  AI医生的“诊断”历程

  训练算法

  每年全球出生的儿童中约有6%患有严重的遗传综合征。早期发现这些综合征有助于治疗,但准确诊断往往是个漫长而昂贵的历程。部门问题在于基因综合征有数百种,其中许多很是很是稀有。准确的诊断和早期治疗,经常依赖于医生的履历以及他们以前是否遇到过类似案例。可是机械学习可以改变这种情形。

  格里普和她的同事们想缔造一种人工智能,能够通过病人面部图像识别基因综合征。为此,研究小组建设了一个名为“DeepGestalt”的深度学习算法,它可以剖析面部特征,找出特定遗传综合征日前揭晓在《自然医学》杂志上的新研究陈诉称,他们使用了一个包罗15万多名患者的数据集来训练这种算法。

  DeepGestalt算法首先识别患者面部的五官,例如眼睛、鼻子和嘴巴,然后将图像裁剪成100×100像素巨细的区域。接下来,该手艺使用深度卷积神经网络对这些区域举行评估。深度卷积神经网络是一种机械学习手艺,已经成为自动图像分类的领先模子。对于每个面部区域,DeepGestalt剖析每个综合征的概率,然后它综合整个图像的数据给出一个展望。

  打败专家

  当格里普和她的同事对DeepGestalt举行诊断测试时,它的体现优于临床医生。在一项测试中,他们对DeepGestalt举行了一系列的训练,给它展示了600多张科妮莉亚德兰格综合征(一种导致发育迟缓和生长缺陷的遗传疾病)患者的图片,以及约莫1100张非患者的图片。研究职员陈诉说,DeepGestalt以靠近97%的准确率识别出了该综合征患者。相比之下,65名专家在面临类似的诊断测试时,准确率只有75%。

  在另一项测试中,研究职员使用17000多张、涵盖了200多种差别基因综合征的患者图像对这一算法举行了训练。经由训练,在一项包罗502张新图像的测试中,DeepGestalt乐成地以91%的准确率列出了排名前十的综合征。

  “不停增强的尺度化形貌(病人特征)的能力,打开了未来研究和应用的大门,”FDNA公司首席手艺官、论文第一作者亚龙·古罗维奇说,“它展示了一个可以乐成地应用先进的算法,如深度学习,一个具有挑战性的领域。”

  AI医生的“造就”历程

  公布App网络海量数据

  要研发这样的深度学习算法需要相当大的训练数据集。FDNA通过出书物和公共数据集网络了这些数据,也通过向临床医生公布一个名为“Face2Gene”的应用法式来网络数据。

  去年秋天,FDNA首席执行官德克尔·盖尔布曼是这样先容Face2Gene的:这款应用现实上是一个平台,可以通过移动应用市肆和网络会见。

  使用这款应用,医生需要拍摄病人的照片,然后将照片上传到App上。DeepGestalt扫描了这张照片,并从该公司的专有数据库中为医生提供了一份兼容诊断的排名表。这款应用还可以资助医生解答问题,添加更多特征的表型数据,进一步完善效果。若是可能的话,医生可以通过增添一个最终诊断来竣事这个循环。

  医生输入的数据,在盖尔布曼口中所称的“良性循环中”训练了深度学习算法。盖尔布曼说,Face2Gene的使用一直在增加,许多用户在涉及基因部的临床数据或病历时,已经最先依赖该应用法式。

  据FDNA公司先容,他们用了三年的时间在Face2Gene平台上网络了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。

  要害是要使用幼儿图片

  西奈山伊坎医学院教授Bruce Gelb博士指出,这篇论文只使用了一组幼儿的图像,这一选择可能为算法的乐成奠基了基础。

  “面部特征在蹒跚学步的儿童或幼儿身上最为显着,这种特征在青春期就会逐渐消逝——在进入成年期之前。”他说。

  不外,他认可,该算法的乐成率令人印象深刻,对于那些对特定遗传特征没有高度专业知识的临床医生尤其有用。

  “使用FDNA这样的工具可以让临床医生知道他们应该让实验室检测哪些基因。”古罗维奇说,“若是你准确地思量表型,你就能增添诊断的几率。”

  他说,人类做不到这一点。“有些遗传学家实验过这样做。他们不能,我们可以。”

  隐私挂念

  除了令人另眼相看的效果和新的潜在用户,论文作者还强调了一些注重事项和关注的领域。这些实验的基本假设都是病人确实患有综合征,若是是正凡人,那应当另外处置惩罚。

  他们还忠告了滥用这项手艺的风险。“表型数据是敏感的患者信息,基于此的歧视受到反基因歧视法的限制。与基因组数据差别,面部图像很容易获取。减轻滥用的有用监控计谋,可包罗通过区块链手艺向使用DeepGestalt应用法式的用户添加数字足迹等。”

  确实,人脸图像是敏感且容易获取的数据,若使用不慎,看脸识疾病的手艺将引发歧视等伦理问题。若是面貌能够展现基因的细节,那么雇主或保险公司等就可以神秘地使用这些手艺,歧视那些可能患有某些疾病的人。

  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,准确率到达86%。其时,这项研究引发了普遍争议,也遭受了络绎不绝的品评。不少学者以为该研究充满了歧视和误导,将给无辜的人们带来庞大的贫苦。

  也许是由于这样的前车之鉴,FDNA最新研究的作者指出,应防止DeepGestalt手艺的歧视性滥用。古罗维奇说,这个手艺只开放给临床医生运用。

  格里普说,出书论文的主要性在于引发想象力,而非其他。

  “最主要的是,这是人工智能怎样应用于病人表型的一个例子。这个工具将变得越来越有价值。这个仅是视察面部特征,但对病人来说另有许多。你可以用类似的工具来视察X光片或视网膜的照片。”她说,“这只是一个例子。人工智能要领还可以为下一代表型带来许多其他功效。”

  据《信息时报》消息来源

【纠错】责任编辑:华纯侯

官方微信

官方微博

网站地图  |   法律声明  |   友情链接  |   常见问题  |   联系我们

Copyright © 中国建筑集团有限公司  琼ICP备137179号-6

京公网安备 1101077766号