【科技.未來】診症能力媲美人類 人工智能將成未來醫生?

刊登時間

去年8月,美國特拉華州(Delaware)一家兒童醫院有位四歲女童,身型比同齡人略為矮小,但幾乎所有乳齒都已經脫掉,並開始長出恆齒。遺傳學家Karen Gripp回想起Wiedemann-Steiner症候群兒童過早換牙的病例報告,懷疑女童患有該病。但除了早換牙外,女童並無其他與該病有關的身體特徵。 為了驗證自己的判斷,Gripp把女童肖像上載到名為Face2Gene的AI診症手機應用程式。Face2Gene列出女童可能罹患的疾病,果然包括Wiedemann-Steiner症候群。在進行針對性的基因檢測後,Gripp確認女童患上這種由於KMT2A基因突變所致的極罕見遺傳疾病。能「人」所不能 Face2Gene由總部設在美國波士頓的數碼醫護公司FDNA開發,該程式透過分析先天性疾病和神經發展障礙症患者的照片,歸類出各種疾病的獨特容貌特徵,並尋找當中的規律,從而診斷出程式使用者可能罹患的疾病。《自然.醫學》1月初刊登的一篇研究更顯示,Face2Gene使用的DeepGestalt演算法的診症能力已可媲美人類醫生。 據FDNA技術總監Yaron Gurovich介紹,他們把涵蓋216種症候群、共17,000張已診斷的照片輸入DeepGestalt,訓練它辨識各種病患容貌特徵。研究人員之後進行了兩個測試,分別要Face2Gene在其他疾病患者的照片對照下,診斷出狄蘭氏症候群(Cornelia de Lange syndrome)和天使症候群(Angelman syndrome)。這兩種疾病的患者都有獨特面容徵狀:狄蘭氏症候群患者雙眉呈拱形而且極之接近;天使症患者則有口闊、牙齒疏、斜視等徵狀。結果顯示,Face2Gene在兩個測試中準確率均超過九成,而過往記錄中,人類醫生準確率只有約七成至八成多。 FDNA團隊其後再以同樣患上努南氏症候群(Noonan syndrome)、但病因各異導致外貌略為不同的病人,測試DeepGestalt可否從他們的照片中正確診斷出屬於哪種病因,結果準確率達64%,比隨機猜的20%機率為高。研究人員還以502張涵蓋92種不同疾病的病人照片再作診斷測試,DeepGestalt可為每張照片的病人列出十個可能患上的疾病,結果,估中了91%患者的疾病。 【MORE】