Skanery twarzy zdominowały urządzenia mobilne odkąd Apple spopularyzowało je w iPhonie X. Należy jednak pamiętać, że w smartfonach z jabłkiem jest to skanowanie w 3D. Na większości urządzeń z Androidem odbywa się to jedynie w 2D. W związku z powyższym wiele telefonów potrafi się odblokować, gdy przed obiektyw postawimy zdjęcie użytkownika lub wydrukowaną głowę. Okazuje się jednak, że skanowanie twarzy, ale to w 3D może mieć w przyszłości jeszcze jedno zastosowanie.
Skanowanie twarzy w medycynie?
Skanowanie twarzy może stać się częścią standardowej kontroli lekarskiej w niezbyt odległej przyszłości. Naukowcy wykazali, w jaki sposób algorytmy mogą pomóc w identyfikacji cech twarzy związanych z zaburzeniami genetycznymi, potencjalnie przyspieszając diagnozy kliniczne.
W badaniu opublikowanym w tym miesiącu w czasopiśmie Nature Medicine amerykańska firma FDNA opublikowała nowe testy swojego oprogramowania o nazwie DeepGestalt. Podobnie jak w przypadku zwykłego oprogramowania do rozpoznawania twarzy, firma „szkoliła” swoje algorytmy, analizując zestaw danych twarzy. FDNA zebrało ponad 17 000 obrazów obejmujących 200 różnych syndromów za pomocą aplikacji na smartfona o nazwie Face2Gene.
W dwóch pierwszych testach DeepGestalt wykorzystano do poszukiwania specyficznych zaburzeń: zespołu Cornelia de Lange i zespołu Angelmana. Oba są złożonymi zaburzeniami, które oddziałują na rozwój intelektualny i mobilność. Wpływają one wyraźnie na cechy twarzy, takie jak łukowate brwi, które spotykają się w środku zespołu Cornelia de Lange i niezwykle jasną skórę i włosy w zespole Angelmana.
Zobacz także: iOS na Android – to nie takie łatwe
Jak poradziły sobie skanery wraz z AI?
Kiedy zadanie polegało na rozróżnianiu zdjęć pacjentów z jednym zespołem lub innym, DeepGestalt był w ponad 90 procent dokładny, pokonując ekspertów klinicystów, którzy mieli około 70 procent trafności w podobnych testach. Podczas testu na 502 obrazach przedstawiających osoby z 92 różnymi syndromami, DeepGestalt zidentyfikował docelowy stan oraz 10 możliwych diagnoz przez ponad 90 procent czasu.
W trudniejszym eksperymencie algorytmowi zostały pokazane obrazy osób z zespołem Noonana. Miał on wskazać, która z pięciu specyficznych mutacji genetycznych mogła go spowodować. W tym przypadku oprogramowanie było nieco mniej dokładne, a wskaźnik trafień wynosił 64 procent, ale nadal działał znacznie lepiej niż zakładane 20 procent, które można uzyskać przy zgadywaniu.
Czy skanowanie twarzy i AI to złoty środek na identyfikację chorób genetycznych?
Eksperci twierdzą, że tego rodzaju testy algorytmiczne nie stanowią srebrnej kuli do identyfikacji rzadkich zaburzeń genetycznych. W przypadku wykrycia specyficznych mutacji genetycznych dr Bruce Gelb, profesor w Icahn School of Medicine na górze Synaj i ekspert od syndromu Noonana, sądzi, że bardziej odpowiednia może być ostateczna odpowiedź z testu genetycznego.
„Nie do pomyślenia jest to, że ktoś nie wyśle testu panelowego i nie określi syndromu”, powiedział Gelb, który jednak stwierdził, że algorytmy są „imponujące”. Gelb zauważył również, że DeepGestalt został opracowany i przetestowany na ograniczonym zbiorze danych dotyczących dość małych dzieci i może mieć trudności z rozpoznaniem zaburzeń u starszych osób, w których cechy twarzy stają się mniej wyraźne. Badanie narzędzi FDNA przeprowadzone przez inne firmy zasugerowało rasowe nastawienie: algorytmy są znacznie bardziej skuteczne na twarzach rasy białej niż afrykańskiej.
Podsumowanie
FDNA zdaje sobie sprawę z tych niedociągnięć, a badania firmy odwołują się do potencjału DeepGestalt jako „narzędzia odniesienia” – czegoś, co, podobnie jak inne oprogramowanie wspomagane komputerowo, pomogłoby, a nie zastąpiło ludzkie diagnozy.
Christoffer Nellåker, ekspert w dziedzinie na Uniwersytecie Oksfordzkim, powtórzył ten osąd, mówiąc New Scientist: „Prawdziwa wartość tutaj jest taka, że w przypadku niektórych z tych ultra-rzadkich chorób proces diagnozy może trwać wiele, wiele lat [. ..] W przypadku niektórych chorób znacznie skróci to czas ich rozpoznania. Dla innych może to być może sposób znalezienia innych osób z tą chorobą, a następnie pomóc w znalezieniu nowych metod leczenia”.
Źródło: theverge