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。
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。
研究者之前已經在醫學期刊發表過，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。
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
