去年8月的一天，美國特拉華州威爾明頓市內穆爾/阿爾法雷德愛杜邦兒童醫(yī)院醫(yī)學遺傳學家Karen Gripp接待了一位年僅4歲的患者。

　　這個小女孩雖比同齡孩子稍矮，且已經失去了大部分乳牙和幾顆已經長出來的成年牙齒，但并沒有其他明顯的罕見病指征。

　　Gripp曾閱讀過描述Wiedemann-Steiner綜合征患兒牙齒過早生長的病例報告。該疾病是由KMT2A基因突變引起的一種極為罕見的疾病。但Gripp并不確定。

　　于是，Gripp將這個女孩的照片上傳到一個智能手機應用中，Wiedemann-Steiner綜合征出現(xiàn)在該軟件的提示中。

　　Gripp后來通過有針對性的DNA測試確定了女孩的病情。Gripp表示，人工智能方法幫助她縮小了疾病的潛在范圍，并節(jié)省了昂貴的多基因面板測試的成本。

　　近日，研究人員在《自然—醫(yī)學》上撰文描述了這種診斷輔助手段（一個叫做Face2Gene智能手機應用）的技術特點。

　　它依靠機器學習算法和類腦神經網絡對先天性和神經發(fā)育障礙患者照片中的面部特征進行分類。利用從圖片中推斷出的“經驗”，對可能的診斷進行定位，并提供可能的選項列表。

　　該研究負責人、馬薩諸塞州波士頓數(shù)字健康公司FDNA首席技術官Yaron Gurovich告訴《中國科學報》，以標準化方式描述顯型能力的增強，為未來的研究和應用，以及識別新的遺傳綜合征打開了大門。“它展示了如何將先進的算法，比如深度學習，應用到一個具有挑戰(zhàn)性的領域?！?/p>

　　看“臉”識病

　　目前，人工智能蓬勃發(fā)展，甚至能“達到或超越人類表現(xiàn)”。在醫(yī)療健康領域，人工智能開始成為醫(yī)生的“小助手”。

　　例如，各種遺傳綜合征會表現(xiàn)出獨特的面部特征，然而，綜合征數(shù)量巨大，要正確識別并非易事。利用人工智能或能幫助診斷遺傳綜合征。

　　但是早期此類人工智能研究采用的訓練數(shù)據(jù)集規(guī)模不大，僅能識別少量綜合征。而Face2Gene正是人工智能輔助診斷的再進一步。

　　FDNA研究人員首先訓練了人工智能系統(tǒng)，以區(qū)分狄蘭吉氏癥候群和天使人綜合征（這是兩種面部特征截然不同的病癥）與其他類似病癥。他們還教會該模型對努南綜合征的不同基因形式進行分類。

　　他們在算法中輸入了涵蓋216種不同綜合征的17000多張確診病例的圖像。所有患者被確診的遺傳綜合征總計達幾百種。

　　研究人員利用兩個獨立的測試數(shù)據(jù)集測試人工智能的表現(xiàn)，每一個數(shù)據(jù)集都包含數(shù)百張之前經過臨床專家分析的患者面部圖像。對于每一張測試圖像，F(xiàn)ace2Gene按照一定順序列出各種潛在的綜合征。

　　在兩組測試中，在約90%的情況下，F(xiàn)ace2Gene提出的前10條建議中都包括了正確的綜合征。當看到面孔新圖像時，該應用程序的最佳診斷率約為65%。

　　“這是人們期待已久的醫(yī)學遺傳學領域突破。”Gripp說，“通過這項研究，我們已經證明，在臨床工作中添加自動面部分析框架，如DeepGestalt，可以幫助實現(xiàn)更早地診斷和治療，并改善生活質量?！?/p>

　　此外，澳大利亞和巴西聯(lián)合研究團隊于近日基于人工智能技術開發(fā)出一種圖像處理算法，通過分析眼底相機拍攝的視網膜圖像，可以瞬時自動識別出糖尿病視網膜病變的關鍵特征，即眼球內由于視網膜毛細血管破裂而滲漏出來的液體，準確率達98%。

　　“打敗”專家

　　FDNA希望不斷改善Face2Gene，以幫助其他公司在DNA分析過程中篩選、優(yōu)先排序和解釋未知基因變異等。但是為了訓練它，F(xiàn)DNA需要大量數(shù)據(jù)。

　　Face2Gene目前對醫(yī)療專業(yè)人士是免費的。而且，許多醫(yī)生已經開始將該系統(tǒng)作為診斷罕見遺傳病的第二選擇。它還可以為醫(yī)生不知道如何判斷病人癥狀的情況提供一個起點?！斑@就像谷歌搜索?！盙ripp說。

　　隨著越來越多的醫(yī)療保健專業(yè)人員將患者照片上傳到應用程序，該應用的準確性略有提高。現(xiàn)在它的數(shù)據(jù)庫中有大約150000張圖像。

　　去年8月，F(xiàn)ace2Gene和臨床醫(yī)生在出生缺陷研討會上進行了一次非官方的“較量”。結果顯示，該應用的表現(xiàn)優(yōu)于人類。

　　南卡羅萊納州格林伍德遺傳中心遺傳學家Charles Schwartz分發(fā)了10名兒童的面部照片，這些照片具有“相當可識別的”綜合征特征，并要求與會者提出正確的診斷。

　　在49名參與研究的臨床遺傳學家中，只有一半人對兩個病例選擇正確。Face2Gene在其中7張圖片上做出了正確的選擇。

　　“我們慘遭失敗，F(xiàn)ace2Gene完勝?！瘪R里蘭州貝塞斯達美國國家人類基因組研究所的臨床遺傳學家Paul Kruszka說，“我認為每個兒科醫(yī)生和遺傳學家很快都會有這樣的應用程序，并將像用聽診器一樣使用它?！?/p>

　　“目前的挑戰(zhàn)仍在于數(shù)據(jù)，如果有更多且更多樣化的數(shù)據(jù)，我們就能夠提供更好的結果?！盙urovich說。

　　存在風險

　　但是，該算法的好壞取決于它的訓練數(shù)據(jù)集，而且存在風險，尤其是在那些只影響全球少數(shù)人的罕見疾病開始受到關注的情況下，該公司和研究人員將對數(shù)據(jù)集進行存儲和商品化。

　　醫(yī)生可以把這項技術當作一種輔助手段，盡管它并不能提供明確的診斷。但研究人員表示，這也引發(fā)了一些倫理和法律方面的擔憂，例如培訓數(shù)據(jù)集的種族偏見和數(shù)據(jù)庫的商業(yè)碎片化。這兩種情況都可能限制診斷工具的使用。

　　英國牛津大學計算生物學家Christoffer Nellaker表示：“這威脅到了這項技術的主要潛在好處?！盢ellaker一直在推動該領域的數(shù)據(jù)共享。

　　一直以來，在訓練數(shù)據(jù)集中的種族偏見都是一個問題。

　　2017年對智障兒童進行的一項研究發(fā)現(xiàn)，在比利時白人兒童中，F(xiàn)ace2Gene對唐氏綜合征的識別率為80%，而在剛果黑人兒童中這一比例僅為37%。

　　然而，隨著訓練數(shù)據(jù)集多樣化，該算法對非洲面部識別的準確性得到改善，表明更公平地代表不同人群是可以實現(xiàn)的。

　　“正因為如此，我們成功地開發(fā)和培訓了一種可以被認為是種族平等的人工智能解決方案。我們計劃繼續(xù)擴大和開發(fā)人工智能解決方案，幫助減少醫(yī)療保健領域的種族差異?！盙urovich告訴《中國科學報》，“隨著我們向前發(fā)展，技術偏見會越來越少?！?/p>