人工智能能看到“脸”吗？光是照片就能诊断遗传病？！

用过iPhone X及以上的朋友应该了解Face ID（面容ID），一种人脸识别技术。在开锁时用户只需要看着手机，Face ID就能实现刷脸解锁及支付。

苹果将实现Face ID的整个系统称之为原深感摄像头（TrueDepth Camera System）。

在进行手机解锁时，感应器会投射人眼看不见的光，并读取用户的脸部3D几何结构图，并将它与存储在A11芯片隔区内的数据进行对比，如果两者一致，iPhone X就会解锁。

同时，Face ID还具有深度学习算法，不管你是换了个发型，蓄起大胡子，还是接受了整形手术，它都能够在你“变脸”之后认出你。

听起来好像棒棒的呢，但好像与我们今天的内容没有关系？别急，慢慢看！

最近的《Nature Medicine》杂志上报道了一种新的人工智能技术DeepGestalt，利用先进算法通过病人面部照片精确识别罕见遗传疾病。

Yaron Gurovich是这项技术的主导人，在他的介绍下，外界得以了解这项技术。

全球有8%的人口患有基因遗传病，多数人可以通过面部特征得以辨认。在Gurovich团队的研究中，DeepGestalt成功识别出了天使人综合征（Angelman syndrome）患者。该疾病会影响神经系统，患者特征包括嘴巴宽、牙间距大，不同方向的斜视、舌头突出等。

天使人综合征患者

为了获得更高的识别率，Gurovich团队从200多种不同基因综合征患者数据库中提取了17000张面部图像，用来对DeepGestalt进行训练。

200种综合征包括先天性胸腺发育不良、 全前脑畸形、鲁宾斯坦-泰比综合症、胎儿酒精综合症等。

因此，现阶段DeepGestalt可以做到远高于临床大夫的识别准确度。

在两组从502张特定照片中识别某种目标综合征的测试中，DeepGestalt的表现均优于临床大夫。每次测试DeepGestalt都列出一系列可能的综合征，91%的情况下它都能在前10条建议中识别出正确的综合征。

在对努南综合征不同基因亚型识别检测的实验中，DeepGestalt成功率为64%，而临床大夫通过观察患者图像只能确定20%的病例。

努南综合征特征表现包括独特面貌、矮身高、胸腔畸形和先天性心脏病；上图为五代努南综合征家系

整体来看，DeepGestalt通过将深度学习算法应用到图像的面部特征分析，判断并生成可能的综合征列表。研究人员并没有解释是哪些面部特征能够生成预测的结果，不过提到该技术能够生成一张热图，用于观察面部哪些区域能够用于疾病分类。

由于是深度学习算法，所以一些数据资源较少的疾病能够应用。而且，研究人员声称该技术可以用于临床。

该技术发表后受到了两极分化的评论。

伦敦国王学院人工医学智能高级讲师Jorge Cardoso赞扬该系统“非常有趣”。同时，他认为人工智能系统通过图像表型预测遗传突变，能够降低医疗系统的负担，改善对病人的治疗方式，应用前景十分巨大。

伦敦玛丽女王大学计算机科学教授Peter McOwan表示，“这是人工智能技术另一个极好改变生活的应用。当我们看到这么多关于人工智能技术的负面报道时，我们很高兴地提醒自己它可以给人类带来的真正好处。”

不过，另有研究人员表示，由于个人的照片非常容易获取，如果企业或雇主对员工进行面部基因疾病的分析，很可能会歧视有相关病征的员工。

当然，任何技术的广泛应用都会面临风险。如果我们什么都自我设限，给人类进步带来的只有阻碍。相信随着法律法规、技术手段的完善，有些风险可以避免。

本文首发至同名微信公众号：讯小哥