看面相診斷心律不整


看面相診斷心律不整
 
圖片來源:JAMA Cardiology, 參考文獻附於文末
你能想像嗎?
當你坐在診間等候看診,可能只是要看個痔瘡(最近很流行的),但是,進入診間後,醫生馬上說要幫你做個心電圖,然後告訴你說「你有心房顫動(Atrial fibrillation 心律不整的一種),需要治療」?
你心想,你只不過想看個痔瘡,竟然就送你心房顫動?這什麼麼回事?這個就叫做「機會篩檢」(opportunistic screening) -- 趁你在等候的時候,人工智慧就依你的「面相」,幫你完成了心律不整的篩檢!

這是怎麼辦到的?
這是使用目前最熱門的「人工智慧」的「深度學習」完成的。
這是澳洲與香港合作的研究,發表在最近一期的JAMA Cardiology
大家可能知道,蘋果的iWatch手錶,可以偵測一個人是否有「心房顫動」這種心律不整(在台灣,礙於法規,目前沒有開放)
但是,只是坐著候診,也沒跟什麼儀器有「接觸」,醫師是怎麼知道你有「心律不整」的?
原來,他們是採用攝影機,拍攝你的臉部一分鐘,再經由事先訓練好的「深度學習,卷積網路(CNN)模型」來判斷你是否有心律不整,也就是電腦透過「面相」幫你「算命」看看你有沒有「生病」!

技術層面
現在人工智慧的人臉辨識已經算是成熟,可以「刷臉」進出辦公室或是購物了。
這個研究使用的,並不是「人臉辨識技術」,它是「臉部光體積變化描記圖法」Facial Photoplethysmography (FPPG) 
PPG光體積變化描記圖法」是以光學的方式取得的器官體積描記圖,一般通過脈搏血氧儀來照射皮膚並測量光吸收的變化量來實現,早已使用在手指頭「脈膊血氧儀」上。只是,此研究是運用在臉部上,故稱為「臉部光體積變化描記圖法」FPPG

研究者之前已經在發表過,臉部的「顏色」會隨著脈搏而產生「細微的變化」,而這些變化,可以用iPhone手機拍攝下來,用一個叫Cardiio Rhythm 的手機App分析,就能診斷心房顫動(因為心房顫動者,其脈搏不規則,和一般人不一樣)
這次,他們所做的是「高通量」的研究,也就是使用一台攝影機,一次能「同時辨識5個人」,經測試,可以診斷心房顫動的整體敏感度是93.8%、特異度是98.1%、陽性預測率是98%、陰性預測率是94%

臨床運用考量
有心房顫動的病人,發生腦中風的風險是一般人的5倍,需使用抗凝血劑治療。但是很多人都不知道自己有心房顫動。因此,全世界都在努力,要如何能夠早期診斷這樣的病人,並早期開始治療。

目前,這還只是一個「概念證明」Proof-of-concept的小型研究(20位心房顫動的病人,24位沒有心律不整的人),未來還需要大量的數據,以及在真實世界中測試,才知道可不可行。也許在一般族群中,因為心房顫動的盛行率比實驗中低上許多,可能會影響到準確率也說不定。

當然,也許有人會說,這個不是摸一下脈搏就知道了嗎?是沒錯!但是,還是有不少科的醫師,「沒有時間」或是「不會」摸脈搏的。因此,這個研究的定位,本來就是一個「機會篩檢」,也就是病人本來就不是要做這個檢查,只是順便篩檢,能找出幾個算幾個的概念,多找出來的,都算是「賺到」!後續一定也會再做心電圖確認,所以,準確度也不一定要非常的好。

最重要的是,這個做法,沒有「接觸」到病人,也不需要額外的「儀器」,還可以在病人「沒有不適之下、不知不覺的進行」。當然,為了顧及個人的隱私,必須事先「獲得病人同意」,才會進入有攝影機的候診間。至於找出有可能患有心房顫動的病人,其後續的處理流程與法律義務或責任,則必須一併考慮。

對於人工智慧,有人是過度期待,也有人始終抱持懷疑的態度,但是,不可否認的是,它的發展,可能已經超乎一般人的想像!與其擔心害怕,不如多一些瞭解!

詳細內容請參考原始論文:
澳洲媒體報導:
另一篇報導