► 刷脸也能看病，图片来自nvidia.com

撰文 | 李家劲

责编 | 叶水送

●　●　●

“刷脸时代”，来了。我们可以刷脸支付、刷脸解锁、刷脸考勤，事实上，也可以刷脸看病。

近日，FDNA公司发布的面部分析框架DeepGestalt可刷脸看病。只需要用手机自拍，它就可以用计算机视觉技术和深度学习算法，预测可能的遗传病症状和关联的基因突变。它准确度极高，现已击败人类专家三次。相关研究结果发布在Nature Medicine上。

 ► 相关研究结果发布在Nature Medicine上

当然，并不是随便拍下来的照片就能够直接让DeepGestalt来分析。因为不同照片可能有光影、角度和拍照姿势的区别，所以要先进行预处理。DeepGestalt会先从图片中识别出面部轮廓和位置，以及130个面部特征标记。之后，DeepGestalt根据这些信息将原本的图片转化成标准输入图片。

►Face2Gene通过面部识别，来诊断疾病的病因，图片来自newscientist.com

专家看病时，一般会观察整个脸部，也会仔细观察脸部的各个区域，如眼睛、鼻子、额头等。DeepGestalt也不例外，它将图片分成像眼睛区、鼻子区等一些区域。这些小图片都会被转化成100像素×100像素的标准黑白图片。然后，DeepGestalt用深度卷积神经网络（DCNN）对各个区域计算各种病症的概率。最后，总结全部的预测结果得到各种病症的可能性排序。那么医生就可以根据这个排序来判断病人患了什么病。

DeepGestalt的工作原理

 知识框

DeepGestalt基于FDNA公司的面部分析工具Face2Gene，本来已使用了超过15万个病人的数据来训练，DeepGestalt又用了代表200多种症状的超过17000张图片来训练，因此精确度极高。它在502张图片上获得了91%的top-10准确度（预测的前10种可能疾病中有正确的结果）。另外，DeepGestalt还两度击败了专业医生。它在识别Cornelia de Lange综合征（CdLS）上获得96.88%的精确度，还能够以92%的准确度预测Angelman综合征；然而，人类专家的准确度分别只有75%和71%。

Noonan综合征的五种亚型

只通过“看脸”就知道什么病或许已经很困难，仅凭“看脸”就能够确定病因更是“难于上青天”了。要知道，一种遗传病可能是不同基因上的突变造成的。例如，PTPN11，SOS1，RAF1，RIT1或者KRAS基因发生突变，都可能导致Noonan综合征。单单靠脸部图片，人类专家对此根本无法判断。但DeepGestalt有64%的概率正确区分这几种亚型，比随机猜的20%正确率要高得多。

 FDNA公司的CEO Dekel Gelbman相当乐观。

“人工智能是个性化医疗的生命力，将与基因组测序一起成为精准医疗的标准工具。”

人脸看病系统的弊端

无可否认，DeepGestalt作为一个自动化面部分析框架，能够协助医生做出正确的诊断。

然而，像很多其它人工智能系统一样，很难让人理解它是如何根据面部特征作出判断，1）所以预测结果可能增加了医生的疑惑而不是减少；2）同时，DeepGestalt不能用于健康人，因为它预先假定照片里的人是有某些疾病的。那么，医生的经验依然必不可少，在确认病人患病之前，不能使用这个分析工具；3）还有一个隐忧是，比起基因信息，个人照片相当容易获得，我们需要采取措施来防止滥用。