欢迎光临GGAMen游戏资讯




结合脸部辨识与 AI 技术,FDNA 训练算法辨识遗传性罕见疾病

2024-11-23 216

脸部辨识技术已经被应用在许多领域,而在不久的将来,结合 AI 的扫描分析或许还可以成为标准体检的一部分。近日美国公司 FDNA 便展示了如何运用算法来协助辨识儿童遗传性罕见疾病的脸部特征,进而加速临床诊断。

就像其他的脸部辨识软件一样,FDNA 透过数据集来训练他们的算法,但不同的是 FDNA 所使用的都是患者的脸部图片;透过自行开发的 Face2Gene App,FDNA 收集了超过 15 万名患者的生理数据,并出于研究目的使用了其中涵盖 200 种不同综合病症的 1.7 万张图片来进行测试。

而在研究中,FDNA 所开发的辨识软件 DeepGestalt 表现都非常出色,其中在包含 92 种不同疾病 502 张图片的识别上,DeepGestalt 在 10 个可能疾病的猜测诊断(top-10-accuracy)准确率上高达 91%。

在一项更具挑战性的实验中,团队提供给算法患有努南氏症(Noonan Syndrome)患者的图片,并要求其诊断出 5 种特定基因突变中哪一种可能导致个体的情况。软件在这项上的准确度略微下降,但也仍有64% 的命中率,比起单纯用猜测的 20% 准确率要好上许多。

尽管有着如此的好表现,一些专家仍认为 DeepGestalt 并不是辨识罕见遗传疾病的万用工具。在发现特定基因突变的案例上,西奈山伊坎医学院(ISMMS)教授和努南氏症专家 Bruce Gelb 博士认为,算法的表现确实令他印象深刻,但基因检测的确切答案还是会更为有用。

由于 DeepGestalt 使用的是年幼儿童的有限数据集,而随着年纪增长人们脸部特征变得不那么明显,Gelb 认为 DeepGestalt 在识别年长者的疾病上将碰到困难,同时针对第三方研究也指出了 FDNA 工具存在的种族差异:高加索白人身上明显比非洲脸孔上更为有效。

FDNA似乎意识到了这些缺点,因此仅将 DeepGestalt 的潜力称为“参考工具”──与其他 AI 软件一样,它可以帮助而不是取代人类诊断。

牛津大学该领域的专家 Christoffer Nellaker 则认为,DeepGestalt 的真正价值,在于对其中一些超级罕见疾病来说,诊断过程可能需要很多年。“对于某些疾病来说,这将大大缩短诊断时间。而对于其他人来说,或许也增加了找到其他同样患病者,进而找到新的疗程或治疗方针。”

  • Facial recognition and AI could be used to identify rare genetic disorders
  • FDNA Publishes Study in Nature Medicine Defining New Artificial Intelligence Standard in Healthcare

(首图来源:FDNA)

2019-03-10 17:31:00

标签:   游戏头条 资讯头条 ggamen科技资讯 ggamen科技 ggamen科技资讯头条 科技资讯头条 ggamen游戏财经 新闻网 科技新闻网 科技新闻 ggamen ggamen游戏新闻网 科技新闻 新闻网 ggamen游戏财经 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 游戏头条 ggamen 科技新闻 新闻网 ggamen游戏财经 科技资讯头条 ggamen科技资讯头条 ggamen科技 ggamen科技资讯 资讯头条 游戏头条
0