《古今医统》：“望闻问切四字，诚为医之纲领。”望诊排在首位，指对病人的神、色、形、态等进行观察，通过面部等观察来推测脏腑等是否有疾病。近期，清华大学自动化系季向阳教授与北京阜外医院副院长郑哲教授紧密合作，开发了基于人脸识别的冠心病风险预测算法，为通过面貌分析预测患病风险开辟了先河。
作为一种严重威胁人类健康的常见疾病，心脑血管疾病是在长期的、各种因素的影响下而导致成的慢性疾病。在这过程中，患者的面貌将逐渐形成异于常人的特征。人们在早期就已经发现，头发稀疏或变白、皱纹、耳垂折痕、黄斑变性（通常在眼睑周围）以及角膜病变（脂肪和胆固醇沉积）等面部特征与患心脏病的风险增加有关。如何通过面貌变化来预测和量化患者的心脏病风险，让普通医生能够在短时间内积累大量的诊断经验呢？人工智能为此提供了突破机遇。
该研究从中国8家医院招募了5796名患者参与，这些病人将通过冠状动脉造影或冠状动脉计算机断层造影(CCTA)等获得诊断信息。患者被随机分为两组——训练组（5216例，占90%）和验证组（580例，占10%）。护士会用相机拍下患者的4张面部照片：一张正面照片，两张侧面照片和一张头顶照片。与此同时，研究人员对这些患者进行采访登记，以收集他们的社会经济状况、生活方式和病史方面的数据。此外，放射科医生还会检测这些患者的血管造影，并根据血管缩小50%或以上的数量和位置指标评估了心脏病的严重程度。值得一提的是，这些信息都将用来创建、训练和验证人工智能的深度学习算法。
检测流程示意
随后，研究人员在中国9家医院的1013名患者身上测试了该算法，这些患者是在2019年4月至2019年7月期间登记的，多数为汉族。研究发现，该深度学习算法优于现有的、预测心脏病风险的方法（Diamond-Forrester模型和CAD联盟临床评分）。在验证组患者中，该算法在80%的病例中正确检测出心脏病（真实阳性率或“敏感性”），在61%的病例中没有正确检测出心脏病（真实阴性率或“特异性”）。与之相对，试验组的敏感性为80%，而特异性为54%。对此，季向阳教授提到：“额外的临床信息并没有提高它的性能，这意味着它可以很容易地仅根据面部照片来预测潜在的心脏病。” 他还表示，与其他面部区域相比，脸颊、前额和鼻子为算法提供了更多信息。然而，研究仍需要进一步提高算法的特异性，因为较高的假阳性率可能会给患者带来焦虑和不便，会有更多的人进行不必要的检查。
与其他面部区域相比，脸颊、前额和鼻子为算法提供了更多信息
该研究在心脏病领域的权威期刊《欧洲心脏病学会》（ESC）上发表了论文。中国医学科学院阜外医院博士生林深与清华大学自动化系博士生李志刚、符博闻为论文共同第一作者，季向阳教授与郑哲教授是该论文的通讯作者。
在同期刊发的题为“欢迎来到医学诊断新时代”（Selfies in cardiovascular medicine：welcome to a new era of medical diagnostics）的社论文章中，英国牛津大学心血管医学教授Charalambos Antoniades及其学生Christos Kotanidis博士写道：“总体而言，该研究突出了人工智能算法在医学诊断的新潜力。” “这项研究的的意义在于他们的深度学习算法只需要简单的面部图像作为数据输入，就能使其具有大规模应用的能力。”他们还表示，使用自拍作为筛查方法，从而简单而有效的对普通人群进行筛查，检测者再根据结果进行更全面的临床评估。选择过程将允许分层的人群进入医疗系统，接受CCTA的一线诊断测试。这种方法将有利于落后、贫困地区的心血管疾病筛查。值得一提的是，Antoniades和Kotanidis还强调了这项研究的局限性——这些问题包括该测试的低特异性，该测试需要在更大的人群中得到改进和验证，以及它引发了有关“以貌识人”的伦理问题。
季向阳教授，是清华大学自动化系脑与认知科学研究所所长、长聘教授，长期致力于探索智能感知与人工智能算法与在医学诊断中的潜力。基于人脸识别开发的冠心病风险预测算法预示着未来医学领域将出现更多类似的工具，到那时候，或许我们就可以做到足不出户便能对自己的身体状况进行一个大致的检查判断，见微知著，有效防止“小病”拖成“大病”。正如《黄帝内经》所说：“上工治未病，不治已病，此之谓也”。
