望、聞、問、切，最早源于《難經(jīng)》第六十一難，是為中醫(yī)之綱領(lǐng)。其中，望，指觀氣色；聞，指聽聲息；問，指問癥狀；切，指摸脈象，合稱四診。

四診之中，“望”為第一。在典故《扁鵲見蔡桓公》中，扁鵲神醫(yī)觀蔡桓公氣色便告知“君有疾在腠理，不治將恐深”，蔡桓公諱疾忌醫(yī)，最終病入膏肓，無藥可醫(yī)。

由此可見，氣色可以充分反應(yīng)一個人的精神面貌以及身體狀態(tài)，身體健康的人氣色大多不錯，而患病的人看起來往往面色枯槁，萎靡不振。那么，我們是否可以通過面貌分析去辨別這個人是否患有某種疾病呢？

近日，中國國家心血管病中心、清華大學(xué)自動化系的研究人員在《歐洲心臟病學(xué)會》（ESC）上發(fā)表題為：Feasibility of using deep learning to detect coronary artery disease based on facial photo 的研究論文。

國家心血管病中心副主任、中國醫(yī)學(xué)科學(xué)院阜外醫(yī)院副院長鄭哲教授，以及清華大學(xué)自動化系季向陽教授是論文的通訊作者。

這項研究表明，向醫(yī)生發(fā)送一張“自拍照”可能是一種廉價而簡單的檢測心臟病的方法。研究人員利用深度學(xué)習(xí)計算機算法對人臉照片進行分析，從而判定檢測者是否患有冠狀動脈疾�。–AD），預(yù)測和量化患者的心臟病風(fēng)險。

聽起來有點是“天方夜譚”，但人工智能的進步使得扁鵲神醫(yī)的“觀人診病”不再是一個傳說。

面部特征與心腦血管疾病

心腦血管疾病，是一種嚴重威脅人類（尤其是中老年人）健康的常見疾病，具有高患病率、高致殘率和高死亡率的特點。更可怕的是，全世界每年死于心腦血管疾病的人數(shù)超過 1500 萬人，在人類死亡原因中高居首位！

心腦血管疾病并非是突發(fā)性疾病，而是在長期的、各種因素的影響下而造成的慢性疾病。這漫長的過程中，患者的面貌特征也受到了潛移默化的影響，從而表現(xiàn)出與常人不同的特征。

很早之前，人們就發(fā)現(xiàn)，某些面部特征與患心臟病的風(fēng)險增加有關(guān)，包括頭發(fā)稀疏或變白、皺紋、耳垂折痕、黃斑變性（通常在眼瞼周圍的小的黃色膽固醇沉積）以及角膜病變（脂肪和膽固醇沉積，在角膜外緣呈模糊的白色、灰色或藍色不透明環(huán)）等等。

但不得不說的是，普通醫(yī)生若想通過這些癥狀去判斷一位患者是否患有心臟疾病，是一件十分困難的事，也許只有那些具有數(shù)十年醫(yī)齡的老先生才能使用它們來預(yù)測和量化患者的心臟病風(fēng)險。

顯而易見，這需要長期的實踐和大量的相關(guān)經(jīng)驗，那么，又有什么東西可以在短時間內(nèi)積累大量的診斷經(jīng)驗?zāi)兀?/p>

答案當(dāng)然是人工智能！

心臟病人臉預(yù)測

近年來，人工智能獲得了空前的發(fā)展，“Siri”、“小度”和“小愛同學(xué)”等人工智能語音助手已經(jīng)步入大眾的視野，協(xié)助我們更好地獲得各類信息。不僅如此，人工智能還在其他領(lǐng)域發(fā)揮著舉足輕重的作用。

在這項研究中，鄭哲教授和季向陽教授領(lǐng)導(dǎo)的研究團隊從中國8家醫(yī)院招募了 5796 名患者參加了這項研究。這些病人正在接受檢查他們血管的成像程序，如冠狀動脈造影或冠狀動脈計算機斷層造影（CCTA）。

患者被隨機分為兩組——訓(xùn)練組（5216 例，占 90％）和驗證組（580 例，占 10％）。訓(xùn)練有素的研究護士會用數(shù)碼相機拍下患者的 4 張面部照片：一張正面照片，兩張側(cè)面照片和一張頭頂照片。

與此同時，研究人員對這些患者進行采訪登記，以收集他們的社會經(jīng)濟狀況、生活方式和病史方面的數(shù)據(jù)。此外，放射科醫(yī)生還會檢測這些患者的血管造影，并根據(jù)血管縮小 50％ 或以上的數(shù)量和位置指標評估了心臟病的嚴重程度。

值得一提的是，這些信息都將用來創(chuàng)建、訓(xùn)練和驗證人工智能的深度學(xué)習(xí)算法。

研究流程的模式圖

隨后，研究人員在中國 9 家醫(yī)院的 1013 名患者身上測試了該算法，這些患者是在 2019 年 4 月至 2019 年 7 月期間登記的，多數(shù)為漢族。

他們發(fā)現(xiàn)，該深度學(xué)習(xí)算法優(yōu)于現(xiàn)有的、預(yù)測心臟病風(fēng)險的方法（Diamond－Forrester 模型和 CAD 聯(lián)盟臨床評分）。在驗證組患者中，該算法在 80％ 的病例中正確檢測出心臟病（真實陽性率或“敏感性”），在 61％ 的病例中沒有正確檢測出心臟�。ㄕ鎸嶊幮月驶颉疤禺愋浴保�。與之相對，試驗組的敏感性為 80％，而特異性為 54％。

對此，季向陽教授說道：“該算法的性能一般，額外的臨床信息并沒有提高它的性能，這意味著它可以很容易地僅根據(jù)面部照片來預(yù)測潛在的心臟病。”

他還表示，與其他面部區(qū)域相比，臉頰、前額和鼻子為算法提供了更多信息。然而，研究仍需要進一步提高算法的特異性，因為高達 46％ 的假陽性率可能會給患者帶來焦慮和不便，而且可能會使醫(yī)院超負荷，因為會有更多的人進行不必要的檢查。

與其他面部區(qū)域相比，臉頰、前額和鼻子為算法提供了更多信息

除此之外，該研究還需要在其他種族群體中進行測試外，并且由于測試組為單中心且與那些為開發(fā)算法提供患者的中心不同，這可能進一步限制了該算法在其他人群中的通用性。

一項開創(chuàng)性成就

雖然算法有一定局限性，并需要在更大的、來自不同種族背景的人群中進行進一步的開發(fā)和測試。但鄭哲教授表示，這項研究成果還是十分具有開創(chuàng)性意義的，該深度學(xué)習(xí)算法有望成為在一般人群中篩查心臟病高�；颊叩母咝�檢測工具。

他說道：“據(jù)我們所知，這是第一項證明人工智能可以通過人臉分析以檢測心臟病的研究工作。同時，這也是開發(fā)基于深度學(xué)習(xí)的醫(yī)學(xué)人工智能工具的又一大步。這種工具可以用于評估心臟病的風(fēng)險，從而指導(dǎo)進一步的診斷測試或臨床訪問�！�

“我們的最終目標是為高風(fēng)險社區(qū)開發(fā)一種自我報告應(yīng)用程序，以便患者在去診所之前先大致評估自己的心臟病風(fēng)險。這可能是一種廉價、簡單和有效的識別需要進一步調(diào)查的病人的方法。當(dāng)然，該算法還需要在其他人群和種族中進一步驗證和改進�！�

利用人臉識別進行CAD篩查的原理圖

《歐洲心臟病學(xué)會》的一篇相關(guān)評論中，英國牛津大學(xué)心血管醫(yī)學(xué)教授 Charalambos Antoniades 及其學(xué)生 Christos Kotanidis 博士寫道：“總體而言，該研究突出了人工智能算法在醫(yī)學(xué)診斷的新潛力�！�

“這項研究的的意義在于他們的深度學(xué)習(xí)算法只需要一個簡單的面部圖像作為唯一的數(shù)據(jù)輸入，就能使其具有大規(guī)模應(yīng)用的能力�！�

他們還表示，使用自拍作為篩查方法，從而簡單而有效的對普通人群進行篩查，檢測者再根據(jù)結(jié)果進行更全面的臨床評估。選擇過程將允許分層的人群進入醫(yī)療系統(tǒng)，接受 CCTA 的一線診斷測試。這種方法將有利于落后、貧困地區(qū)的心血管疾病篩查。

值得一提的是，Antoniades 和 Kotanidis 還強調(diào)了這項研究的局限性——這些問題包括該測試的低特異性，該測試需要在更大的人群中得到改進和驗證，以及它引發(fā)了有關(guān)“以貌識人”的倫理問題。

不得不說，隱私問題是很重要的，如果敏感的健康記錄數(shù)據(jù)可以很容易地從面部照片中提取出來，那么這將對個人數(shù)據(jù)保護造成重大威脅。實際上，這種擔(dān)憂已經(jīng)在基因數(shù)據(jù)的濫用上有所表現(xiàn)。

因此，人工智能在醫(yī)學(xué)上的應(yīng)用應(yīng)當(dāng)慎重審視。

對此，鄭哲教授也表示同意這一觀點：“開發(fā)和應(yīng)用這些新技術(shù)的倫理問題是非常重要的。我們認為，未來對臨床工具的研究應(yīng)該關(guān)注隱私、保險和其他社會影響，以確保該工具僅用于醫(yī)療目的。”

總而言之，這項研究是開創(chuàng)性的，且極具意義的。基于人臉識別開發(fā)的心臟病風(fēng)險預(yù)測算法預(yù)示著未來醫(yī)學(xué)領(lǐng)域?qū)⒊霈F(xiàn)更多類似的工具，到那時候，或許我們就可以做到足不出戶便能對自己的身體狀況進行一個大致的檢查判斷。

排版：趙辰霞

編審：王新凱