望、聞、問(wèn)、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(tīng)聲息；問(wèn)，指問(wèn)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(jiàn)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(wú)藥可醫(yī)。

由此可見(jiàn)，氣色可以充分反應(yīng)一個(gè)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(cuò)，而患病的人看起來(lái)往往面色枯槁，萎靡不振。那么，我們是否可以通過(guò)面貌分析去辨別這個(gè)人是否患有某種疾病呢？

近日，中國(guó)國(guó)家心血管病中心、清華大學(xué)自動(dòng)化系的研究人員在《歐洲心臟病學(xué)會(huì)》（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(guó)家心血管病中心副主任、中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院副院長(zhǎng)鄭哲教授，以及清華大學(xué)自動(dòng)化系季向陽(yáng)教授是論文的通訊作者。

這項(xiàng)研究表明，向醫(yī)生發(fā)送一張“自拍照”可能是一種廉價(jià)而簡(jiǎn)單的檢測(cè)心臟病的方法。研究人員利用深度學(xué)習(xí)計(jì)算機(jī)算法對(duì)人臉照片進(jìn)行分析，從而判定檢測(cè)者是否患有冠狀動(dòng)脈疾�。–AD），預(yù)測(cè)和量化患者的心臟病風(fēng)險(xiǎn)。

聽(tīng)起來(lái)有點(diǎn)是“天方夜譚”，但人工智能的進(jìn)步使得扁鵲神醫(yī)的“觀人診病”不再是一個(gè)傳說(shuō)。

面部特征與心腦血管疾病

心腦血管疾病，是一種嚴(yán)重威脅人類（尤其是中老年人）健康的常見(jiàn)疾病，具有高患病率、高致殘率和高死亡率的特點(diǎn)。更可怕的是，全世界每年死于心腦血管疾病的人數(shù)超過(guò) 1500 萬(wàn)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(zhǎng)期的、各種因素的影響下而造成的慢性疾病。這漫長(zhǎng)的過(guò)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(xiǎn)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(lán)色不透明環(huán)）等等。

但不得不說(shuō)的是，普通醫(yī)生若想通過(guò)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(lái)預(yù)測(cè)和量化患者的心臟病風(fēng)險(xiǎn)。

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

答案當(dāng)然是人工智能！

心臟病人臉預(yù)測(cè)

近年來(lái)，人工智能獲得了空前的發(fā)展，“Siri”、“小度”和“小愛(ài)同學(xué)”等人工智能語(yǔ)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(xiàng)研究中，鄭哲教授和季向陽(yáng)教授領(lǐng)導(dǎo)的研究團(tuán)隊(duì)從中國(guó)8家醫(yī)院招募了 5796 名患者參加了這項(xiàng)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(dòng)脈造影或冠狀動(dòng)脈計(jì)算機(jī)斷層造影（CCTA）。

患者被隨機(jī)分為兩組——訓(xùn)練組（5216 例，占 90％）和驗(yàn)證組（580 例，占 10％）。訓(xùn)練有素的研究護(hù)士會(huì)用數(shù)碼相機(jī)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(shí)，研究人員對(duì)這些患者進(jìn)行采訪登記，以收集他們的社會(huì)經(jīng)濟(jì)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(huì)檢測(cè)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(biāo)評(píng)估了心臟病的嚴(yán)重程度。

值得一提的是，這些信息都將用來(lái)創(chuàng)建、訓(xùn)練和驗(yàn)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(guó) 9 家醫(yī)院的 1013 名患者身上測(cè)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(cè)心臟病風(fēng)險(xiǎn)的方法（Diamond－Forrester 模型和 CAD 聯(lián)盟臨床評(píng)分）。在驗(yàn)證組患者中，該算法在 80％ 的病例中正確檢測(cè)出心臟�。ㄕ鎸�(shí)陽(yáng)性率或“敏感性”），在 61％ 的病例中沒(méi)有正確檢測(cè)出心臟�。ㄕ鎸�(shí)陰性率或“特異性”）。與之相對(duì)，試驗(yàn)組的敏感性為 80％，而特異性為 54％。

對(duì)此，季向陽(yáng)教授說(shuō)道：“該算法的性能一般，額外的臨床信息并沒(méi)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(lái)預(yù)測(cè)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(jìn)一步提高算法的特異性，因?yàn)楦哌_(dá) 46％ 的假陽(yáng)性率可能會(huì)給患者帶來(lái)焦慮和不便，而且可能會(huì)使醫(yī)院超負(fù)荷，因?yàn)闀?huì)有更多的人進(jìn)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(jìn)行測(cè)試外，并且由于測(cè)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(jìn)一步限制了該算法在其他人群中的通用性。

一項(xiàng)開創(chuàng)性成就

雖然算法有一定局限性，并需要在更大的、來(lái)自不同種族背景的人群中進(jìn)行進(jìn)一步的開發(fā)和測(cè)試。但鄭哲教授表示，這項(xiàng)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(cè)工具。

他說(shuō)道：“據(jù)我們所知，這是第一項(xiàng)證明人工智能可以通過(guò)人臉?lè)治鲆詸z測(cè)心臟病的研究工作。同時(shí)，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(píng)估心臟病的風(fēng)險(xiǎn)，從而指導(dǎo)進(jìn)一步的診斷測(cè)試或臨床訪問(wèn)�！�

“我們的最終目標(biāo)是為高風(fēng)險(xiǎn)社區(qū)開發(fā)一種自我報(bào)告應(yīng)用程序，以便患者在去診所之前先大致評(píng)估自己的心臟病風(fēng)險(xiǎn)。這可能是一種廉價(jià)、簡(jiǎn)單和有效的識(shí)別需要進(jìn)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(jìn)一步驗(yàn)證和改進(jìn)。”

利用人臉識(shí)別進(jìn)行CAD篩查的原理圖

《歐洲心臟病學(xué)會(huì)》的一篇相關(guān)評(píng)論中，英國(guó)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(xiàng)研究的的意義在于他們的深度學(xué)習(xí)算法只需要一個(gè)簡(jiǎn)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(jiǎn)單而有效的對(duì)普通人群進(jìn)行篩查，檢測(cè)者再根據(jù)結(jié)果進(jìn)行更全面的臨床評(píng)估。選擇過(guò)程將允許分層的人群進(jìn)入醫(yī)療系統(tǒng)，接受 CCTA 的一線診斷測(cè)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(qiáng)調(diào)了這項(xiàng)研究的局限性——這些問(wèn)題包括該測(cè)試的低特異性，該測(cè)試需要在更大的人群中得到改進(jìn)和驗(yàn)證，以及它引發(fā)了有關(guān)“以貌識(shí)人”的倫理問(wèn)題。

不得不說(shuō)，隱私問(wèn)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(lái)，那么這將對(duì)個(gè)人數(shù)據(jù)保護(hù)造成重大威脅。實(shí)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(duì)此，鄭哲教授也表示同意這一觀點(diǎn)：“開發(fā)和應(yīng)用這些新技術(shù)的倫理問(wèn)題是非常重要的。我們認(rèn)為，未來(lái)對(duì)臨床工具的研究應(yīng)該關(guān)注隱私、保險(xiǎn)和其他社會(huì)影響，以確保該工具僅用于醫(yī)療目的�！�

總而言之，這項(xiàng)研究是開創(chuàng)性的，且極具意義的�；�于人臉識(shí)別開發(fā)的心臟病風(fēng)險(xiǎn)預(yù)測(cè)算法預(yù)示著未來(lái)醫(yī)學(xué)領(lǐng)域?qū)⒊霈F(xiàn)更多類似的工具，到那時(shí)候，或許我們就可以做到足不出戶便能對(duì)自己的身體狀況進(jìn)行一個(gè)大致的檢查判斷。

排版：趙辰霞

編審：王新凱