根據(jù)外媒《The Verge 》報導(dǎo)，美國公司FDNA 在本月發(fā)表了最新研究，發(fā)現(xiàn)AI 演算法可以用于識別臉部特征與罕見遺傳性疾病之間的關(guān)系，不久后臉部識別掃描可能成為醫(yī)療檢查的一部份，加速診斷時間。

　　為了訓(xùn)練臉部識別軟件DeepGestalt 的演算法，F(xiàn)DNA 拿了超過1.7 萬張含有不同癥狀的圖片讓該軟件進行分析。在前兩次測試當(dāng)中，DeepGestalt 能夠識別出狄蘭氏癥候群、天使人癥候群等兩種特定的癥狀，這兩種癥狀都有著特別的臉部特征，且都會影響智力發(fā)展及行動能力。

　　研究人員發(fā)現(xiàn)若同時讓DeepGestalt 識別兩種隨機的癥狀，有超過90% 的準確率，比一般診所醫(yī)生的準確率還要高，且當(dāng)研究人員拿出502 張涵蓋92 種不同癥狀的圖片給DeepGestalt 分析，90% 以上的機會DeepGestalt 都能夠準確識別出真正的病因。

　　在更進階的實驗當(dāng)中，研究人員拿出數(shù)張罹患努南氏癥候群患者的照片，并給出五種突變原因，要DeepGestalt 分辨出是哪一種原因造成該種疾病的產(chǎn)生。在這個測試當(dāng)中，DeepGestalt 的準確度約為64% 。

　　然而，專家認為這些演算法的測試并不能被當(dāng)成識別罕見疾病的最終解決方案。西奈山伊坎醫(yī)學(xué)院的醫(yī)生Bruce Gelb 指出，DeepGestalt 的測試僅局限于孩童的圖片，若是用于辨認成年人的癥狀，準確率可能就會降低。

　　另外，有第三方的研究顯示，F(xiàn)DNA 的工具存有種族偏見的問題，識別高加索人的能力比識別非洲臉孔還要準確。FDNA 也有查覺到這些缺點，所以他們將DeepGestalt 定位為參考工具，用于協(xié)助人為診斷，而非取代人力。

　　牛津大學(xué)的教授Christoffer Nell?ker 也表示，診斷罕見疾病的過程可能會花上許多年，這個工具真正的價值在于可以減少許多等待時間，也可以發(fā)現(xiàn)其他可能罹患罕見疾病的人，找到新治療方式的可能性或可提高。