Google研發了一個能從眼睛外部偵測疾病跡象的深度學習模型,該模型從眼睛外部照片,擷取有用的生物標記,偵測糖尿病患者視網膜病變、糖化血色素(HbA1c)升高以及血脂升高等現象,研究人員提到,使用眼睛外部照片作為模型輸入,優勢是減少專業設備的需求,進而增加健康篩檢的各種可能性。

在之前,Google也有進行過類似的研究,不過當時是使用深度學習技術,從眼底(Fundus)照片預測心血管的危險因子,並找出像是慢性腎臟病和糖尿病標記物,也能利用血紅蛋白多寡來偵測貧血。研究人員表示,這類型的工作,都是希望發展出以更小的侵入性,並且更精確也更便宜的方法,來監測和監控疾病。

而Google這項新研究,則是利用更易於取得的眼睛外部照片,對血糖和血脂狀況作出判斷。Google使用遠端糖尿病視網膜病變篩檢計畫145,000多名患者的去識別化資料,訓練一個卷積神經網路,能判斷罹患糖尿病視網膜疾病、糖化血色素(HbA1c)升高以及血脂升高3種症狀。

研究人員以AUC(Area Under Curve)來衡量模型效能,完美模型得分為100%,而隨機猜測得分為50%,目前該模型的預測能力,在模型檢測糖尿病視網膜病變上,AUC為71-82%,糖化血色素升高為67-70%,而血脂升高則為57-68%,研究人員表示,雖然模型還不完美,但成果已經可以協助偵測和量化系統性健康的各項參數。

該模型的應用場景,可以像是糖尿病前期篩檢問卷一樣,利用眼睛外部照片預先篩檢出需要進一步檢測的人們。Google針對這項研究,也進行了偏差評估,包括可解釋性分析,找出對演算法影響最大圖片部分,並且收集美國境內不同地點和人種的資料,以減少演算法存在的偏差。

研究人員提到, 由於只要從眼睛外部的照片,就能夠擷取健康相關的訊號,因此對大量的糖尿病以及其他慢性病患者來說,存在許多潛在影響,不過這項研究在通用性還有很長的路要走,像是繼續研究所需要的圖像品質,並且將應用推廣至已知與未知的慢性疾病患者。


熱門新聞

Advertisement