人工智能看脸识病

人工智能看脸识病：人工智能公司FDNA推出最新的人脸识别智能设备，这种最新人工智能能够以较高的精度从人脸照片中识别出罕见遗传综合征，检查出来的结果准确率也是相当的高。

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。

2019年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精度从人脸照片中识别出罕见遗传综合征。

这项研究题为《通过深度学习识别遗传疾病的面部表型》（IdentifyingFacialPhenotypesofGeneticDisordersUsingDeepLearning），发表于《自然-医学》杂志。《自然-医学》杂志评价称，尽管这项研究的测试集相对较小，但其结果表明人工智能可能有助于诊断罕见遗传疾病。论文的第一作者亚龙·古罗维奇（YaronGurovich）及其同事利用17000多张面部图像训练了一种名为DeepGestalt的深度学习算法。

DeepGestalt结合了计算机视觉和深度学习算法，是一种新型面部分析框架，能够分辨出数百种遗传综合征的面部表征。上述17000张面部图像代表了超过200种的综合征，例如先天性胸腺发育不良、全前脑畸形、鲁宾斯坦-泰比综合症、胎儿酒精综合症等。在这项研究的两组独立测试集实验中，人工智能算法被要求列出每张面部图像可能代表的综合征，并按不同综合征的概率依次排序。

实验结果显示，人工智能有90%的概率能成功地在前10个答案中列出正确的疾病名称。人工智能还在三个独立实验中战胜了临床专家。研究人员介绍，在反映实际临床问题的最后一个实验中，人工智能算法Deepgestalt在502个不同的图像上识别出正确综合征的准确率达到了91%。论文第一作者亚龙·古罗维奇（YaronGurovich）认为，他们的工作提高了标准化描述遗传疾病特征的能力，为未来的研究和应用打开了大门，也有助于新型遗传疾病的鉴定。论文合著者凯伦·葛利普（KarenGripp）说，这是医学遗传学领域期待已久的突破，“通过这项研究，我们发现在临床工作中加入自动化的面部分析框架（例如DeepGestalt）有助于实现早期诊断和治疗，还可以帮助人们提高生活质量。”

但是，人脸图像是敏感且容易获取的数据，若使用不慎，看脸识疾病的技术将引发歧视等伦理问题。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，准确率达到86%。当时，这项研究引发了广泛争议，也遭受了纷至沓来的批评。不少学者认为该研究充满了歧视和误导，将给无辜的人们带来巨大的麻烦。也许是因为这样的前车之鉴，FDNA最新研究的作者指出，应防止DeepGestalt技术的歧视性滥用。说回到人工智能公司FDNA。2014年，FDNA推出了脸部疾病识别产品，名为Face2Gene，可以帮助识别大约50种已知的遗传综合征。

到2015年，FDNA引入了深度学习算法和英伟达的CUDA通用并行计算架构。当时，FDNA计划将Face2Gene的诊断准确率从25%提升至40%。据FDNA公司介绍，他们用了三年的时间在Face2Gene平台上收集了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。Face2Gene的使用方法是将病人的人脸照片与确诊病人的照片进行比对，再根据患病的可能性，从高到低给出一系列潜在的诊断。患者还可以通过手机APP将自己的照片上传到服务器，以获取初步的诊断结果。