这是自拍可用于检测心脏病的方法

一项新研究的作者说，向医生发送“自拍照”可能是一种便宜而简单的检测心脏病的方法。该研究首次表明，可以通过分析一个人的四张照片来使用深度学习计算机算法来检测冠状动脉疾病(CAD)。

这项新研究发表在《欧洲心脏杂志》上。

尽管该算法需要进一步开发并在来自不同种族背景的更大人群中进行测试，但研究人员表示，它有潜力用作筛查工具，以识别普通人群或高人群中可能的心脏病。高危人群，可将其转介进一步的​​临床研究。

“据我们所知，这是证明人工智能可用于分析面部以检测心脏病的第一项工作。这是迈向开发基于深度学习的工具的一步，该工具可用于评估心脏病的风险，无论是在门诊诊所，还是通过患者采取“自拍”进行自己的筛查。这都可以指导进一步的诊断检测或临床就诊。中国医学科学院北京协和医学院附属阜外医院心血管疾病研究所副所长，北京。

他继续说：“我们的最终目标是为高风险社区开发一种自我报告的应用程序，以便在就诊之前评估心脏病风险。这可以廉价，简单且有效地识别需要进一步检查的患者。但是，该算法需要在其他人群和种族中进一步完善和进行外部验证。”

已经知道某些面部特征与心脏病风险增加有关。这些包括稀疏或灰白的头发，皱纹，耳垂折痕，黄褐斑(黄色的胆固醇在皮肤下，通常是眼睑周围的黄色沉淀物)和角膜弓形(脂肪和胆固醇的沉淀物，呈朦胧的白色，灰色或蓝色不透明环状)在角膜的外边缘)。但是，对于人类来说，它们很难成功地用于预测和量化心脏病风险。

北京大学清华大学自动化系脑与认知研究所所长郑教授，纪向阳教授及其他同事在2017年7月至2019年3月期间招募了来自中国八家医院的5,796名患者。患者正在接受成像程序以检查其血管，例如冠状动脉造影或冠状动脉计算机断层造影血管造影(CCTA)。他们被随机分为训练组(5,216例，占90%)或验证组(580，10%)。

受过训练的研究护士用数码相机拍摄了四张面部照片：一张额头，两个轮廓和一张头顶视图。他们还采访了患者，以收集有关社会经济状况，生活方式和病史的数据。放射科医生检查了患者的血管造影照片，并根据狭窄的血管数量缩小了50%或更多(> = 50%狭窄)来评估心脏病的严重程度及其位置。该信息用于创建，训练和验证深度学习算法。

研究人员随后在2019年4月至2019年7月之间在中国9家医院的1,013名患者中对该算法进行了测试。所有组中的大多数患者都是汉族。

他们发现该算法优于现有的预测心脏病风险的方法(Diamond-Forrester模型和CAD联盟临床评分)。在验证的患者组中，该算法在80%的病例中正确检测出心脏病(真实阳性率或“敏感性”)，而在61%的病例中没有正确检测出心脏病(真实阴性率或“阳性”率)。特异性)。在测试组中，敏感性为80%，特异性为54%。

季教授说：“该算法性能中等，并且其他临床信息并未改善其性能，这意味着仅凭面部照片就可以轻松地将其用于预测潜在的心脏病。脸颊，额头和鼻子为该算法提供了更多信息。相比其他面部区域，我们需要提高特异性。因为高达46%的假阳性率可能会给患者带来焦虑和不便，并可能给诊所增加不必要的检查需求。”

除了需要在其他种族中进行测试外，研究的局限性还包括以下事实：测试组中只有一个中心与为患者提供算法开发服务的中心不同，这可能进一步限制了其在其他人群中的通用性。

在随附的社论中，英国牛津大学心血管医学教授Charalambos Antoniades和牛津大学Antoniades教授在职的DPhil学生Christos Kotanidis博士写道：“总体而言，Lin等人的研究突出了一个新发现。 Lin等人的方法的鲁棒性在于，他们的深度学习算法仅需要将面部图像作为唯一的数据输入，从而使其易于大规模应用。 ”

他们继续说：“将自拍照用作筛查方法，可以提供一种简单而有效的方法来筛选一般人群，以进行更全面的临床评估。这种方法也可能与全球资金不足且筛查计划薄弱的地区高度相关心血管疾病的选择过程与自拍照一样容易完成，这可以使人流分层进入医疗保健系统，以便通过CCTA进行一线诊断测试。的确，“高风险”人群可能会CCTA，通过使用AI支持的新方法对CCTA图像进行分析，可以实现可靠的风险分层。

他们强调了郑教授和季教授在论文中也包含的一些局限性。这些包括测试的特异性低，需要在更大的人群中进行测试的改进和验证，并且提出了有关“出于歧视目的滥用信息。不希望散布的敏感健康记录数据的伦理问题，可以很容易地提取这些信息”。从面部照片上可以看出，本文所讨论的技术对个人数据保护构成了重大威胁，可能会影响保险选择，这种担心已因滥用基因数据而引起，应在医学上使用AI进行广泛研究。

该研究论文的作者对此表示同意。郑教授说：“开发和应用这些新技术的伦理问题至关重要。我们认为，未来对临床工具的研究应注意隐私，保险和其他社会影响，以确保该工具仅用于医疗目的。 。”

Antoniades教授和Kotanidis博士在他们的社论中还写道，将CAD定义为一条主冠状动脉狭窄> = 50%，“这可能是一种简单而粗略的分类，因为它汇集了真正健康的非CAD组个体，但是还有已经患上该病但仍处于早期阶段的人(这可能解释了所观察到的特异性较低)。”