人为智能可高准确率确诊遗传综合征

 数理科学     |      2019-12-19 05:37

最新研究显示,人工智能通过训练能够从人脸照片中识别出罕见遗传综合征

最新研究显示,人工智能可从人脸照片中识别出罕见遗传综合征

根据英国《自然·医学》杂志8日在线发表的一篇论文,一款人工智能在接受上万张真实患者面部图像训练后,能够以高准确率识别罕见的遗传综合征。科学家同时强调,由于个人面部图像是敏感但易得的数据,因此必须小心处理,以防该技术的歧视性滥用。

如今,人工智能在各个领域迅猛发展。新的研究表明,在医疗领域,人工智能可以帮助诊断罕见疾病。

AI医生“看脸”就能识疾病

各种遗传综合征会表现出独特的面部特征,它们可以帮助临床医生进行诊断。但是,可能的综合征数量巨大,要正确识别并非易事。利用人工智能或能帮助诊断遗传综合征,但是早期关于这种可能性的研究所采用的训练数据集规模不大,仅能识别少量综合征。

约有8%的世界人口受到遗传综合征的困扰,此类患者往往具有可识别的面部特征。然而,遗传综合征的诊断过程却出奇陈旧,大多数时候需要医生手工测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发布了一项最新研究,他们发现,通过训练数万张真实的患者面部图像,人工智能能够以较高的准确度从人脸照片中识别出罕见遗传综合征。

DeepGestalt首先识别患者面部的五官,然后将图像裁剪成100×100像素大小的区域。接下来,使用深度卷积神经网络对这些区域进行评估,分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预测。

此次,美国FDNA分析技术公司研究人员雅龙·古罗维奇及其同事使用17000多张患者的面部图像,训练了一款深度学习算法,所有这些患者被确诊的遗传综合征总计达几百种。研究中所使用的图像来自一个社区平台,临床医生会把患者的面部图像传上去。研究团队利用两个独立的测试数据集测试人工智能的表现,每一个数据集都包含数百张之前经过临床专家分析的患者面部图像。对于每一张测试图像,人工智能按照一定顺序列出各种潜在的综合征。

除此之外,人工智能在其他医疗方面有何发展?又有何隐私方面的顾虑?

Face2Gene手机应用的使用示范

在两组测试中,在90%左右的情况下,人工智能提出的前10条建议中都包括了正确的综合征,这超过了临床专家在另外三个实验中的表现。虽然这项研究采用的测试数据集规模相对较小,而且没有和其他已有的识别方法或人类专家进行直接比较,但是研究结果表明,人工智能有望在临床实践中,辅助罕见遗传综合征的优先级划分与诊断。

“这是人们期待已久的医学遗传学突破,终于取得了成果,”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,我们已经表明,在临床工作流程中添加一个自动的面部分析系统可以帮助实现早期诊断和治疗,有望改善生活质量。”

如今,人工智能在各个领域迅猛发展。新的研究表明,在医疗领域,人工智能可以帮助诊断罕见疾病。

研究人员表示,目前还需要开展进一步的研究来优化人工智能的识别能力,并且与其他诊断方法做对比。

训练算法

约有8%的世界人口受到遗传综合征的困扰,此类患者往往具有可识别的面部特征。然而,遗传综合征的诊断过程却出奇陈旧,大多数时候需要医生手工测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发布了一项最新研究,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罕见遗传综合征。

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,但准确诊断往往是一个漫长而昂贵的过程。部分问题在于基因综合征有数百种,其中许多非常罕见。正确的诊断和早期治疗,常常依赖于医生的经验以及他们以前是否遇到过类似案例。但是机器学习可以改变这种情况。

“这是人们期待已久的医学遗传学突破,终于取得了成果,”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,我们已经表明,在临床工作流程中添加一个自动的面部分析系统可以帮助实现早期诊断和治疗,有望改善生活质量。”

格里普和她的同事们想创造一种人工智能,能够通过病人面部图像识别基因综合征。为此,研究小组建立一个名为“DeepGestalt”的深度学习算法,它可以分析面部特征,找出特定遗传综合征。研究人员日前发表在《自然医学》杂志上的一项新研究中报告称,他们使用了一个包含15万多名患者的数据集来训练这种算法。

AI医生的“诊断”过程

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像素大小的区域。接下来,该技术使用深度卷积神经网络对这些区域进行评估。深度卷积神经网络是一种机器学习技术,已经成为自动图像分类的领先模型。对于每个面部区域,DeepGestalt分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预测。

训练算法

打败专家

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过程。部分问题在于基因综合征有数百种,其中许多非常非常罕见。正确的诊断和早期治疗,常常依赖于医生的经验以及他们以前是否遇到过类似案例。但是机器学习可以改变这种情况。

当格里普和她的同事对DeepGestalt进行诊断测试时,它的表现优于临床医生。在一项测试中,他们对DeepGestalt进行了一系列的训练,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,以及大约1100张非患者的图片。研究人员报告说,DeepGestalt以接近97%的准确率识别出了该综合征患者。相比之下,65名专家在面对类似的诊断测试时,准确率只有75%。

格里普和她的同事们想创造一种人工智能,能够通过病人面部图像识别基因综合征。为此,研究小组建立了一个名为“DeepGestalt”的深度学习算法,它可以分析面部特征,找出特定遗传综合征日前发表在《自然医学》杂志上的新研究报告称,他们使用了一个包含15万多名患者的数据集来训练这种算法。

在另一项测试中,研究人员使用17000多张、涵盖了200多种不同基因综合征的患者图像对这一算法进行了训练。经过训练,在一项包含502张新图像的测试中,DeepGestalt成功地以91%的准确率列出了排名前十的综合征。

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像素大小的区域。接下来,该技术使用深度卷积神经网络对这些区域进行评估。深度卷积神经网络是一种机器学习技术,已经成为自动图像分类的领先模型。对于每个面部区域,DeepGestalt分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预测。

“不断增强的标准化描述的能力,打开了未来研究和应用的大门,”FDNA公司首席技术官、论文第一作者亚龙·古罗维奇说,“它展示了一个可以成功地应用先进的算法,如深度学习,一个具有挑战性的领域。”

打败专家

上一篇:史上首张黑洞照 有望年内面世 下一篇:没有了