基於面部照片檢測冠狀動脈疾病的可行性

向醫生發送「自拍」可能是一種廉價而簡單的檢測心臟病的方法。這項研究首次表明，通過分析一個人的四張臉部照片，可以使用深度學習的計算機算法來檢測冠心病。

盡管該算法還需要進一步開發，並在來自不同種族背景的更大人群中進行測試，但研究人員表示，該算法有可能被用作篩查工具，在普通人群或高危人群中識別可能的心臟病，可轉診作進一步的臨床研究。

這是第一次證明人工智慧可以用來分析人臉來檢測心臟病。這是朝著開發一種基於深度學習的工具邁出的一步，該工具可用於評估心臟病的風險，無論是在門診部，還是通過患者「自拍」進行自己的篩查。

但研究最終目標是開發一個自我報告的應用程序，在去診所之前評估心臟病的風險。這可能是一種廉價、簡單、有效的辨別病人的方法。然而，該算法需要在其他人群和種族中進一步完善和外部驗證。

眾所周知，某些面部特征會增加患心臟病的風險。這些症狀包括頭髮稀疏或灰白、皺紋、耳垂皺褶、黃色彈性瘤（皮膚下的膽固醇沉積，通常在眼瞼周圍）和角膜弓（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）。然而，人類很難成功地使用它們來預測和量化心臟病風險。

研究人員從2017年7月至2019年3月期間，從8家醫院招募了5796名患者參與研究。這些患者正在接受影像學檢查，如冠狀動脈造影或冠狀動脈計算機斷層攝影術（CCTA）。他們被隨機分為訓練組（5216例，90%）或驗證組（580例，10%）。

訓練有素的研究護士用數位相機拍了四張面部照片：一張正面照片，兩張側面照片和一張頭頂照片。他們還採訪了患者，以收集社會經濟狀況、生活方式和病史方面的數據。放射科醫生復查了病人的血管造影，並根據有多少血管縮小了50%或更多（≥50%狹窄）以及它們的位置來評估心臟病的程度。這些資訊被用來創建、訓練和驗證深度學習算法。

研究人員隨後在2019年4月至2019年7月期間在9家醫院的1013名患者身上測試了該算法。各組患者以漢族為主。

他們發現，該算法優於現有的預測心臟病風險的方法（Diamond-Forrester模型和CAD聯盟臨床評分）。在驗證組的患者中，該算法在80%的病例中正確檢測到心臟病（真陽性率或敏感性），61%的病例沒有正確檢測到心臟病（真陰性率或特異性）。試驗組敏感性為80%，特異性為54%。

該算法的性能一般，而附加的臨床資訊並沒有改善其性能，這意味著它可以很容易地僅根據面部照片來預測潛在的心臟病。與其他面部區域相比，臉頰、額頭和鼻子為算法提供了更多的資訊。然而，需要提高特異性，因為高達46%的假陽性率可能會給患者帶來焦慮和不便，而且可能會使診所超負荷，患者需要進行不必要的檢查。

除了需要在其他種族群體中進行測試外，該研究的局限性還包括，試驗組中只有一個中心不同於為開發算法提供患者的中心，這可能進一步限制了算法對其他人群的通用性。

總體而言，使用自拍作為一種篩選方法，可以使一種簡單而有效的方法來篩選普通人群，以獲得更全面的臨床評估。這種方法也可能與全球資金不足、心血管疾病篩查計劃薄弱的地區高度相幹。一個像自拍一樣容易完成的選擇過程將允許一個分層的人群流，這些人被送入醫療系統，接受CCTA的一線診斷測試。事實上，「高風險」個人可以有一個CCTA，這將通過使用新的、人工智慧驅動的CCTA圖像分析方法實現可靠的風險分層。

但測試的特異性低，需要在更大的人群中改進和驗證該測試，並且它提出了「出於歧視目的濫用資訊」的倫理問題。敏感的健康記錄數據可以很容易地從面部照片中提取出來，這種不必要的傳播使得這裡討論的技術對個人數據保護構成了重大威脅，可能會影響保險選擇。人們已經對濫用遺傳數據表達了這樣的擔憂，應該對人工智慧在醫學中的應用進行廣泛的重新審視。

開發和應用這些新技術的倫理問題至關重要。未來臨床工具的研究應注意隱私、保險和其他社會影響，以確保該工具僅用於醫療目的。

將冠心病定義為一個主要冠狀動脈狹窄程度≥50%「可能是一個簡單而粗糙的分類，因為它集中在真正健康的非冠心病組個體中，但也有人已經發展出這種疾病，但仍處於早期階段（這可能解釋觀察到的低特異性）。

來源：

Shen Lin et al. Feasibility of using deep learning to detect coronary artery disease based on facial photo, European Heart Journal (2020).

Selfies in cardiovascular medicine: welcome to a new era of medical diagnostics. European Heart Journal

《血管與腔內血管外科雜誌》

2020.08.24

預覽時標簽不可點