Penelitian baru menggunakan kecerdasan buatan untuk menganalisis foto wajah – Sains Terkini

Mengirim "selfie" ke dokter bisa menjadi cara yang murah dan sederhana untuk mendeteksi penyakit jantung, menurut penulis studi baru yang diterbitkan hari ini (Jumat) di European Heart Journal.

Studi ini adalah yang pertama menunjukkan bahwa dimungkinkan untuk menggunakan algoritma komputer pembelajaran mendalam untuk mendeteksi penyakit arteri koroner (CAD) dengan menganalisis empat foto wajah seseorang.

Meskipun algoritme perlu dikembangkan lebih lanjut dan diuji dalam kelompok orang yang lebih besar dari latar belakang etnis yang berbeda, para peneliti mengatakan algoritme tersebut berpotensi untuk digunakan sebagai alat skrining yang dapat mengidentifikasi kemungkinan penyakit jantung pada orang-orang pada populasi umum atau di tingkat tinggi. kelompok risiko, yang dapat dirujuk untuk pemeriksaan klinis lebih lanjut.

"Sepengetahuan kami, ini adalah karya pertama yang menunjukkan bahwa kecerdasan buatan dapat digunakan untuk menganalisis wajah guna mendeteksi penyakit jantung. Ini adalah langkah menuju pengembangan alat berbasis pembelajaran mendalam yang dapat digunakan untuk menilai risiko penyakit jantung. , baik di klinik rawat jalan atau dengan cara pasien mengambil 'selfie' untuk melakukan skrining mereka sendiri. Ini bisa memandu pengujian diagnostik lebih lanjut atau kunjungan klinis, "kata Profesor Zhe Zheng, yang memimpin penelitian dan wakil direktur Pusat Nasional untuk Penyakit Kardiovaskular dan wakil presiden Rumah Sakit Fuwai, Akademi Ilmu Kedokteran Tiongkok dan Perguruan Tinggi Kedokteran Peking Union, Beijing, Republik Rakyat Tiongkok.

Dia melanjutkan: "Tujuan akhir kami adalah mengembangkan aplikasi yang dilaporkan sendiri untuk komunitas berisiko tinggi untuk menilai risiko penyakit jantung sebelum mengunjungi klinik. Ini bisa menjadi cara yang murah, sederhana dan efektif untuk mengidentifikasi pasien yang membutuhkan penyelidikan lebih lanjut. Namun, algoritme membutuhkan perbaikan lebih lanjut dan validasi eksternal pada populasi dan etnis lain. "


Telah diketahui bahwa ciri-ciri wajah tertentu dikaitkan dengan peningkatan risiko penyakit jantung. Ini termasuk rambut menipis atau beruban, keriput, lipatan lobus telinga, xanthelasmata (timbunan kolesterol kecil berwarna kuning di bawah kulit, biasanya di sekitar kelopak mata) dan arcus corneae (timbunan lemak dan kolesterol yang tampak seperti cincin buram putih kabur, abu-abu atau biru. di tepi luar kornea). Namun, sulit bagi manusia untuk berhasil menggunakannya untuk memprediksi dan mengukur risiko penyakit jantung.

Prof. Zheng, Profesor Xiang-Yang Ji, yang merupakan direktur Institut Otak dan Kognisi di Departemen Otomasi di Universitas Tsinghua, Beijing, dan rekan lainnya mendaftarkan 5.796 pasien dari delapan rumah sakit di Tiongkok untuk penelitian antara Juli 2017 dan Maret 2019 Pasien menjalani prosedur pencitraan untuk menyelidiki pembuluh darah mereka, seperti angiografi koroner atau angiografi tomografi koroner (CCTA). Mereka dibagi secara acak menjadi kelompok pelatihan (5.216 pasien, 90%) atau validasi (580, 10%).

Perawat penelitian terlatih mengambil empat foto wajah dengan kamera digital: satu bagian depan, dua profil dan satu tampilan bagian atas kepala. Mereka juga mewawancarai pasien untuk mengumpulkan data tentang status sosial ekonomi, gaya hidup dan riwayat kesehatan. Ahli radiologi meninjau angiogram pasien dan menilai derajat penyakit jantung tergantung pada berapa banyak pembuluh darah yang menyempit hingga 50% atau lebih (stenosis ≥ 50%), dan lokasinya. Informasi ini digunakan untuk membuat, melatih, dan memvalidasi algoritma pembelajaran mendalam.

Para peneliti kemudian menguji algoritme pada 1.013 pasien lebih lanjut dari sembilan rumah sakit di China, yang terdaftar antara April 2019 dan Juli 2019. Mayoritas pasien di semua kelompok adalah etnis Han China.

Mereka menemukan bahwa algoritme tersebut melebihi metode yang ada untuk memprediksi risiko penyakit jantung (model Diamond-Forrester dan skor klinis konsorsium CAD). Dalam kelompok validasi pasien, algoritme dengan benar mendeteksi penyakit jantung pada 80% kasus (tingkat positif benar atau 'sensitivitas') dan penyakit jantung yang terdeteksi dengan benar tidak ada dalam 61% kasus (tingkat negatif sebenarnya atau 'spesifisitas' ). Pada kelompok uji, sensitivitasnya 80% dan spesifisitas 54%.

Prof Ji berkata: "Algoritme ini memiliki kinerja yang sedang, dan informasi klinis tambahan tidak meningkatkan kinerjanya, yang berarti dapat digunakan dengan mudah untuk memprediksi potensi penyakit jantung hanya berdasarkan foto wajah. Pipi, dahi, dan hidung memberikan lebih banyak informasi ke algoritme dibandingkan area wajah lainnya. Namun, kami perlu meningkatkan spesifisitas karena tingkat positif palsu sebanyak 46% dapat menyebabkan kecemasan dan ketidaknyamanan bagi pasien, serta berpotensi membebani klinik dengan pasien yang memerlukan tes yang tidak perlu. "

Selain membutuhkan pengujian pada kelompok etnis lain, keterbatasan penelitian termasuk fakta bahwa hanya satu pusat dalam kelompok uji yang berbeda dengan pusat yang menyediakan pasien untuk mengembangkan algoritme, yang selanjutnya dapat membatasi generalisabilitasnya pada populasi lain.


Dalam editorial yang menyertainya, Charalambos Antoniades, Profesor Kedokteran Kardiovaskular di Universitas Oxford, Inggris, dan Dr Christos Kotanidis, seorang mahasiswa DPhil yang bekerja di bawah Prof. Antoniades di Oxford, menulis: "Secara keseluruhan, studi oleh Lin et al. Menyoroti a potensi baru dalam diagnostik medis …… Kekuatan pendekatan Lin dkk. terletak pada fakta bahwa algoritme pembelajaran mendalam mereka hanya memerlukan gambar wajah sebagai satu-satunya input data, menjadikannya sangat dan mudah diterapkan dalam skala besar . "

Mereka melanjutkan: "Menggunakan selfie sebagai metode skrining dapat memungkinkan cara sederhana namun efisien untuk menyaring populasi umum ke arah evaluasi klinis yang lebih komprehensif. Pendekatan semacam itu juga bisa sangat relevan dengan wilayah di dunia yang kekurangan dana dan memiliki program skrining yang lemah untuk penyakit kardiovaskular. Proses seleksi yang dapat dilakukan semudah mengambil foto selfie akan memungkinkan aliran orang bertingkat yang dimasukkan ke dalam sistem perawatan kesehatan untuk pengujian diagnostik lini pertama dengan CCTA. Memang, individu yang 'berisiko tinggi' dapat memiliki CCTA, yang akan memungkinkan stratifikasi risiko yang andal dengan penggunaan metodologi baru yang didukung AI untuk analisis gambar CCTA. "

Mereka menyoroti beberapa keterbatasan yang juga dimasukkan oleh Prof. Zheng dan Prof. Ji dalam makalah mereka. Ini termasuk spesifisitas tes yang rendah, bahwa tes perlu ditingkatkan dan divalidasi dalam populasi yang lebih besar, dan itu menimbulkan pertanyaan etis tentang "penyalahgunaan informasi untuk tujuan diskriminatif. Penyebaran data catatan kesehatan sensitif yang tidak diinginkan, yang dapat dengan mudah diekstraksi dari foto wajah, menjadikan teknologi seperti yang dibahas di sini sebagai ancaman yang signifikan terhadap perlindungan data pribadi, yang berpotensi memengaruhi opsi asuransi. Ketakutan tersebut telah diungkapkan atas penyalahgunaan data genetik, dan harus ditinjau kembali secara ekstensif terkait penggunaan AI dalam pengobatan. "

Penulis makalah penelitian setuju tentang hal ini. Prof Zheng berkata: "Masalah etika dalam mengembangkan dan menerapkan teknologi baru ini adalah kunci penting. Kami percaya bahwa penelitian masa depan tentang alat klinis harus memperhatikan privasi, asuransi dan implikasi sosial lainnya untuk memastikan bahwa alat tersebut digunakan hanya untuk medis. tujuan. "

Prof Antoniades dan Dr. Kotanidis juga menulis dalam editorial mereka bahwa mendefinisikan CAD sebagai stenosis ≥ 50% dalam satu arteri koroner mayor "mungkin merupakan klasifikasi yang sederhana dan agak kasar karena ia terkumpul dalam kelompok individu non-CAD yang benar-benar sehat, tetapi juga orang yang sudah mengembangkan penyakit tetapi masih pada tahap awal (yang mungkin menjelaskan spesifisitas rendah yang diamati). "

You may also like...

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.