AI“相面”的出現(xiàn)為醫(yī)療行業(yè)帶來(lái)了新希望，有望突破傳統(tǒng)醫(yī)療診斷的局限，開(kāi)啟更精準(zhǔn)、高效的醫(yī)療新時(shí)代。

在科技飛速發(fā)展的當(dāng)下，AI“相面”不再是街頭神秘的玄學(xué)，而是逐漸進(jìn)入醫(yī)療領(lǐng)域，成為備受關(guān)注的前沿技術(shù)。傳統(tǒng)相面更多與命運(yùn)、性格等模糊概念相關(guān)，是基于經(jīng)驗(yàn)和主觀判斷的文化現(xiàn)象。

但當(dāng)AI介入后，一切都改變了。

AI“相面”利用先進(jìn)的圖像識(shí)別技術(shù)和深度學(xué)習(xí)算法，對(duì)人臉特征進(jìn)行精準(zhǔn)分析。這些特征不再是帶有神秘主義色彩的命運(yùn)符號(hào)，而是與人體健康緊密相關(guān)的生理信號(hào)。

從技術(shù)層面看，AI“相面”是人工智能與生物識(shí)別技術(shù)的深度融合。通過(guò)捕捉人類(lèi)肉眼難以察覺(jué)的面部細(xì)節(jié)，并對(duì)大量面部數(shù)據(jù)進(jìn)行學(xué)習(xí)和分析，可建立面部特征與健康狀況的關(guān)聯(lián)模型，實(shí)現(xiàn)疾病的早期篩查和診斷。

可以說(shuō)，這項(xiàng)技術(shù)為醫(yī)療行業(yè)帶來(lái)了新曙光，有望打破傳統(tǒng)醫(yī)療診斷的局限，開(kāi)啟更精準(zhǔn)、高效的醫(yī)療新時(shí)代。

AI“相面”并非偽概念

事實(shí)上，AI“相面”并非簡(jiǎn)單的概念炒作，背后有復(fù)雜精妙的技術(shù)支撐。

一方面，在AI“相面”中，深度學(xué)習(xí)模型會(huì)被輸入海量面部圖像數(shù)據(jù)，涵蓋不同年齡、性別、種族、健康狀況人群的面部信息。模型在學(xué)習(xí)過(guò)程中，逐漸掌握各種面部特征與健康狀況的潛在聯(lián)系。

另一方面，圖像識(shí)別技術(shù)是AI“相面”的另一大支柱，能對(duì)輸入的面部圖像進(jìn)行預(yù)處理，提取關(guān)鍵面部特征。這些特征會(huì)轉(zhuǎn)化為計(jì)算機(jī)能理解的數(shù)字信號(hào)，作為深度學(xué)習(xí)模型的輸入數(shù)據(jù)。例如，通過(guò)高分辨率圖像采集設(shè)備和先進(jìn)圖像增強(qiáng)算法，可清晰捕捉面部細(xì)微血管紋路，其變化可能與心血管疾病風(fēng)險(xiǎn)相關(guān)。

以診斷遺傳疾病的AI系統(tǒng)為例，研究人員會(huì)收集特定遺傳疾病患者的面部圖像，標(biāo)注與疾病相關(guān)的面部特征，再將標(biāo)注好的圖像數(shù)據(jù)輸入深度學(xué)習(xí)模型訓(xùn)練。訓(xùn)練完成后，模型就能分析新輸入的面部圖像，判斷是否有患特定遺傳疾病的風(fēng)險(xiǎn)。

目前，AI“相面”技術(shù)在醫(yī)療領(lǐng)域已取得一系列成果，應(yīng)用場(chǎng)景不斷拓展，為疾病的診斷、預(yù)測(cè)和治療提供了新思路和方法。

比如，在癌癥檢測(cè)方面，愛(ài)云醫(yī)云診平臺(tái)的無(wú)接觸式AI癌癥篩查系統(tǒng)嶄露頭角。使用者按指示拍下并上傳12張相應(yīng)部位照片、一段30秒臉部視頻和一段語(yǔ)音自述（包含不適部位、家族病史、過(guò)往病史等信息），24小時(shí)內(nèi)就能得到健康檢測(cè)結(jié)果。

愛(ài)云醫(yī)名聲大噪是因?yàn)槊绹?guó)前總統(tǒng)拜登被公布患有前列腺癌并已擴(kuò)散至骨骼后，其合作人張建國(guó)翻出2022年發(fā)在多個(gè)平臺(tái)的帖子，顯示愛(ài)云醫(yī)云診平臺(tái)早在三年前就通過(guò)分析拜登的照片和視頻，精準(zhǔn)判斷出他前列腺病變高風(fēng)險(xiǎn)，置信度達(dá)87%。

同時(shí)，在糖尿病及其他疾病的預(yù)測(cè)和診斷方面，AI“相面”也展現(xiàn)出巨大潛力。比如，鷹瞳科技的視網(wǎng)膜影像人工智能健康風(fēng)險(xiǎn)評(píng)估產(chǎn)品，通過(guò)分析視網(wǎng)膜影像，實(shí)現(xiàn)包括糖代謝風(fēng)險(xiǎn)在內(nèi)的多種全身健康風(fēng)險(xiǎn)評(píng)估。

新加坡的一項(xiàng)系統(tǒng)性回顧研究顯示，糖尿病患者的視網(wǎng)膜靜脈比非糖尿病人的更粗；美國(guó)的一項(xiàng)隊(duì)列研究發(fā)現(xiàn)，視網(wǎng)膜小動(dòng)脈越細(xì)的人，越容易發(fā)生2型糖尿病。這些研究結(jié)果為AI“相面”技術(shù)在糖尿病診斷和預(yù)測(cè)領(lǐng)域的應(yīng)用提供了理論基礎(chǔ)。

由此可見(jiàn)，AI“相面”技術(shù)為醫(yī)療領(lǐng)域帶來(lái)了新曙光，在疾病檢測(cè)、預(yù)測(cè)和診斷方面潛力巨大。但要照亮整個(gè)醫(yī)療領(lǐng)域，還需多方面共同努力，不斷探索前行。

對(duì)比傳統(tǒng)醫(yī)療，AI“相面”的優(yōu)與劣

與傳統(tǒng)醫(yī)療診斷方法相比，AI“相面”在多個(gè)關(guān)鍵維度有顯著優(yōu)勢(shì)，為醫(yī)療變革注入強(qiáng)大動(dòng)力。

首先，傳統(tǒng)醫(yī)療診斷流程繁瑣，需數(shù)天甚至數(shù)周，而AI“相面”具有即時(shí)性和高效性。這種快速診斷速度縮短了患者等待時(shí)間，使患者能及時(shí)了解健康狀況，為后續(xù)治療爭(zhēng)取時(shí)間。

其次，傳統(tǒng)醫(yī)療診斷很大程度依賴(lài)醫(yī)生經(jīng)驗(yàn)和專(zhuān)業(yè)水平，不同醫(yī)生對(duì)同一病例的診斷可能有差異，易出現(xiàn)誤診和漏診。例如，早期肺癌診斷中，基層醫(yī)院醫(yī)生誤診率可達(dá)20% - 30%。而AI“相面”通過(guò)大量數(shù)據(jù)學(xué)習(xí)和精準(zhǔn)算法模型，能更準(zhǔn)確識(shí)別疾病特征。

據(jù)悉，耶魯大學(xué)開(kāi)發(fā)的用于診斷馬凡氏綜合征的AI技術(shù)，臨床測(cè)試成功區(qū)分馬凡氏綜合征和非馬凡氏綜合征的準(zhǔn)確率高達(dá)98.5%，遠(yuǎn)超人類(lèi)醫(yī)生平均診斷準(zhǔn)確率。這為遺傳疾病診斷提供了快速、準(zhǔn)確的新方法，有助于醫(yī)生盡早發(fā)現(xiàn)疾病隱患，制定治療方案，降低疾病危害。

再者，早期診斷對(duì)疾病治療至關(guān)重要，許多疾病早期癥狀不明顯，傳統(tǒng)診斷方法難察覺(jué)。而AI“相面”能捕捉面部細(xì)微變化，提前發(fā)現(xiàn)疾病潛在跡象。這種基于AI的早期診斷能力，為疾病早期干預(yù)和治療提供可能，有望提高患者生存率和生活質(zhì)量。

盡管AI“相面”在醫(yī)療領(lǐng)域潛力巨大，但作為新興技術(shù)，仍面臨諸多挑戰(zhàn)與爭(zhēng)議。

其一，數(shù)據(jù)質(zhì)量和隱私問(wèn)題是AI“相面”技術(shù)發(fā)展的阻礙。AI“相面”模型準(zhǔn)確性依賴(lài)大量高質(zhì)量數(shù)據(jù)，但目前數(shù)據(jù)收集存在偏差、不完整等問(wèn)題。例如，訓(xùn)練用的面部圖像數(shù)據(jù)可能來(lái)自特定地區(qū)、人群，導(dǎo)致模型對(duì)其他人群適用性降低，易誤診。

同時(shí)，AI“相面”需收集處理大量個(gè)人面部數(shù)據(jù)，包含豐富個(gè)人信息，一旦泄露會(huì)嚴(yán)重侵害個(gè)人隱私。2022年就有AI看相軟件因過(guò)度收集用戶(hù)面部數(shù)據(jù)被查處，其隱私協(xié)議要求開(kāi)放通訊錄權(quán)限，引發(fā)社會(huì)對(duì)數(shù)據(jù)安全的擔(dān)憂。

其二，技術(shù)泛化應(yīng)用可能導(dǎo)致歧視風(fēng)險(xiǎn)，使部分求職者遭遇隱形門(mén)檻，基于面部特征的不當(dāng)判斷可能在就業(yè)、社交等領(lǐng)域?qū)€(gè)人造成不公平對(duì)待。從醫(yī)學(xué)倫理角度看，AI“相面”診斷結(jié)果可能給患者帶來(lái)心理壓力，不準(zhǔn)確或誤讀的結(jié)果可能導(dǎo)致患者過(guò)度焦慮或接受不必要治療。

其三，雖然一些AI“相面”技術(shù)在特定疾病診斷上準(zhǔn)確率不錯(cuò)，但與傳統(tǒng)醫(yī)學(xué)診斷方法相比，可靠性仍需驗(yàn)證。面部特征與疾病關(guān)聯(lián)并非絕對(duì)，受多種因素影響，AI模型難全面考慮，可能導(dǎo)致診斷結(jié)果偏差。

此外，AI“相面”技術(shù)在不同膚色、種族人群中表現(xiàn)有差異，深膚色人群圖像采集和特征提取難度增加，誤差率可能更高，限制了其全球廣泛應(yīng)用。

不可否認(rèn)，盡管AI“相面”面臨諸多挑戰(zhàn)，但隨著技術(shù)發(fā)展完善，有望成為推動(dòng)醫(yī)療變革的重要力量，為醫(yī)療行業(yè)帶來(lái)革新。

AI“相面”：醫(yī)療行業(yè)的未來(lái)曙光？

在疾病預(yù)防方面，AI“相面”技術(shù)將更智能精準(zhǔn)。通過(guò)與可穿戴設(shè)備、智能家居等物聯(lián)網(wǎng)設(shè)備深度融合，AI能實(shí)時(shí)收集個(gè)體生理數(shù)據(jù)、生活習(xí)慣數(shù)據(jù)和環(huán)境數(shù)據(jù)，結(jié)合面部特征分析，實(shí)現(xiàn)疾病風(fēng)險(xiǎn)動(dòng)態(tài)監(jiān)測(cè)和早期預(yù)警。

例如，當(dāng)AI監(jiān)測(cè)到一個(gè)人面部膚色、光澤度和眼部特征變化，結(jié)合其日常運(yùn)動(dòng)、飲食和睡眠數(shù)據(jù)，分析出可能有心血管疾病風(fēng)險(xiǎn)時(shí)，會(huì)及時(shí)向用戶(hù)和醫(yī)生發(fā)出預(yù)警，提醒調(diào)整生活方式或進(jìn)一步檢查，預(yù)防疾病發(fā)生。

第二，在個(gè)性化醫(yī)療領(lǐng)域，AI“相面”基于面部特征分析獲取的個(gè)體健康信息，可為患者量身定制個(gè)性化治療方案。例如，癌癥治療中，AI可根據(jù)患者面部特征反映的基因信息、免疫狀態(tài)等，預(yù)測(cè)患者對(duì)不同治療方法的反應(yīng)，幫助醫(yī)生選擇最適合的治療方案，減少不必要副作用。此外，AI還可根據(jù)患者治療過(guò)程中的面部變化和身體數(shù)據(jù)動(dòng)態(tài)監(jiān)測(cè)，實(shí)時(shí)調(diào)整治療方案，實(shí)現(xiàn)治療過(guò)程動(dòng)態(tài)優(yōu)化。

第三，通過(guò)分析大量人群的面部數(shù)據(jù)和健康信息，AI可預(yù)測(cè)不同地區(qū)、人群的疾病發(fā)病趨勢(shì)和醫(yī)療需求，為衛(wèi)生部門(mén)和醫(yī)療機(jī)構(gòu)提供決策依據(jù)，合理規(guī)劃醫(yī)療資源布局和配置。例如，AI分析發(fā)現(xiàn)某地區(qū)糖尿病發(fā)病率上升，且老年人口多，對(duì)糖尿病治療和護(hù)理需求大，衛(wèi)生部門(mén)可在該地區(qū)增加糖尿病專(zhuān)科醫(yī)生數(shù)量、開(kāi)設(shè)更多糖尿病康復(fù)中心，合理分配醫(yī)療資源，提高醫(yī)療服務(wù)可及性和效率。

未來(lái)發(fā)展中，用戶(hù)需理性客觀看待AI“相面”技術(shù)。一方面，科研人員和技術(shù)開(kāi)發(fā)者應(yīng)優(yōu)化算法，提高數(shù)據(jù)質(zhì)量，加強(qiáng)跨種族、地域的數(shù)據(jù)收集分析，解決數(shù)據(jù)偏差和不完整問(wèn)題，提升AI“相面”準(zhǔn)確性和可靠性。

另一方面，醫(yī)療行業(yè)從業(yè)者要積極學(xué)習(xí)掌握AI技術(shù)，與傳統(tǒng)醫(yī)療診斷方法結(jié)合，發(fā)揮各自?xún)?yōu)勢(shì)，為患者提供優(yōu)質(zhì)醫(yī)療服務(wù)。大眾也應(yīng)正確認(rèn)識(shí)AI“相面”技術(shù)，以科學(xué)態(tài)度對(duì)待醫(yī)療變革。

總的來(lái)說(shuō)，盡管AI“相面”還處于發(fā)展階段，但為醫(yī)療變革帶來(lái)的曙光已可見(jiàn)。相信未來(lái)，在技術(shù)進(jìn)步和各方努力下，AI“相面”將逐漸成熟，成為醫(yī)療領(lǐng)域重要工具，開(kāi)啟更精準(zhǔn)、高效、個(gè)性化的醫(yī)療新時(shí)代，為人類(lèi)健康福祉做出巨大貢獻(xiàn)。

本文來(lái)自微信公眾號(hào)“深觀商業(yè)”，作者：鄭朋，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com