ارزانترین و ساده‌ترین راه اطمینان یافتن از سلامت قلب، ارسال یک تصویر سلفی برای پزشک است. در این روش وجود بیماری‌های قلبی عروقی، با استفاده از الگوریتم یادگیری عمیق بررسی می‌شود.
پژوهشگران اخیرا به این نتیجه رسیدند که الگوریتم یادگیری عمیق می‌تواند با بررسی چهار تصویر از چهره فرد، بیماری‌های سرخرگ کرونری (CAD) را تشخیص دهد. هر چند که این فناوری باید بهبود پیدا کند و به‌روی گروه‌های سنی مختلف با سوابق قومی و نژادی گوناگونی بررسی شود، پژوهشگران ظرفیت بالای این الگوریتم را برای تشخیص بیماری‌های قلبی در همه افراد به‌ویژه گروه‌های پرخطر تایید کردند.
استفاده از سلفی برای اطمینان از سلامت وضعیت قلب
پروفسور ژی ژنگ، سرپرست پژوهش و معاون مرکز ملی بیماری‌های قلبی عروقی پکن گفت: این اولین پژوهشی است که با استفاده از هوش مصنوعی چهره‌ها را بررسی کرده و در صورت وجود بیماری‌های قلبی، آنها را تشخیص می‌دهند؛ حقیقتا این یک پیشرفت در جهت توسعه‌ی ابزارهای مبتنی بر یادگیری عمیق به حساب می‌آید. در این روش از یک تصویر سلفی، برای بررسی بیماری‌های قلبی افراد استفاده می‌شود. هدف اصلی ما ایجاد و توسعه‌ی یک اپلیکیشن خودگزارشی، برای بررسی ریسک حملات قلبی در افراد پرخطر می‌باشد. از مزیت‌های این روش می‌توان به ارزان، ساده و موثر بودن آن اشاره کرد. هر چند که این الگوریتم برای انواع نژادها، به اصلاح و ارزیابی احتیاج دارد.
با توجه به اطلاعات موجود، ریسک بیماری‌های قلبی با وجود برخی از ویژگی‌های چهره افزایش می‌یابد. برای مثال می‌توان به این ویژگی‌ها اشاره کرد: نازک یا خاکستری‌شدن مو، چین و چروک، وجود چین و شکست در لاله‌ی گوش، زانتلاسما (تجمع کلسترول زرد یا سفید در زیر پوست که به‌طور معمول اطراف پلک ایجاد می‌شود) و آرکوز قرنیه (تجمع کلسترول و چربی که سبب به‌وجود آمدن حلقه‌ای مات به رنگ سفید، خاکستری و یا آبی در لایه‌های بیرونی قرنیه می‌شود). با وجود تمام این موارد، احتمال و بررسی دقیق بیماری‌های قلبی، به‌طور معمول کار سختی به‌شمار می‌آید.
محققان در فاصله‌ی جولای ۲۰۱۷ تا مارس ۲۰۱۹، اطلاعات ۵۷۹۶ تن از بیماران حاضر در هشت بیمارستان چین را مورد بررسی قرار دادند. برای بررسی رگ‌های خونی، آنژیوگرافی سرخرگی و آنژیوگرافی توموگرافی سرخرگی (CCTA) از بیماران عکس‌برداری کردند و سپس به‌صورت تصادفی آنها را به گروه‌های آموزشی (۵۲۱۶ بیمار، ۹۰ درصد) و ارزیابی (۵۸۰ نفر، ۱۰ درصد) تقسیم کردند.
پرستار‌ان با دوربین‌های دیجیتال، از چهار زاویه‌‌ی (روبه‌رو، دوتا نیم رخ و بالای سر) بیماران عکس گرفتند. همچنین با بیماران مصاحبه کرده و اطلاعاتی در خصوص وضعیت اجتماعی و اقتصادی، سبک زندگی و تاریخچه‌ی پزشکی آنها جمع آوری کردند. رادیولوژیست‌ها نیز آنژیوگرام‌های بیماران را ارزیابی کرده و براساس باریک شدن رگ‌های خونی به مقدار پنجاه درصد یا بیشتر و همچنین موقعیت رگ‌ها، درجه‌ی بیماری قلبی را بررسی نمودند. پژوهشگران از اطلاعات به دست آمده برای ساخت، آموزش و سنجش الگوریتم یادگیری عمیق بهره بردند.
با توجه به نتایج بدست آمده، این الگوریتم در زمینه‌ی پیش‌بینی بیماری‌های قلبی بهتر از روش‌های فعلی (مدل دایموند فورستر و درجه‌ی بالینی CAD) عمل کرده است. در ۸۰ درصد موارد گروه ارزیابی، الگوریتم درست تشخیص داد. در گروه تست نیز، مقدار حساسیت ۸۰ درصد بود.
نظر پروفسور جی در رابطه با الگوریتم
پروفسور جی معتقد است که این الگوریتم، متوسط عمل کرده و اطلاعات پزشکی بیشتر، عملکرد آن را بهتر نمی‌کرد؛ بنابراین می‌توان از آن برای پیش‌بینی بیماری‌های قلبی بالقوه برپایه تصاویر چهره استفاده نمود. لازم به ذکر است که گونه، بینی و پیشانی اطلاعات بیشتری به الگوریتم می‌دهند.
یکی از محدودیت‌های این پژوهش، افزون‌بر ضرورت بررسی سایر گروه‌های نژادی، تفاوت اندک نمونه‌ها بود که سبب کاهش تعمیم‌پذیری الگوریتم برای دیگر گروه‌ها شد.
چارالامبوس آنتونیادس )استاد طب قلبی عروقی دانشگاه آکسفورد( و دکتر کریستو کتانیدیس )دانشجوی(DPhil در مورد این پژوهش نوشتند:
پژوهش لین و همکارانش، در مجموع نشان‌دهنده‌ی ظرفیت جدیدی در تشخیص پزشکی است. اینکه الگوریتم یادگیری عمیق آنها فقط به یک تصویر به‌عنوان ورودی احتیاج دارد، از جمله نقاط قوت آن بشمار می‌آید و توانایی اجرای آن در مقیاس بزرگتر را نیز فراهم می‌کند. استفاده از سلفی، بهترین راه برای فیلتر کردن جمعیت و دست یافتن به بررسی‌هایی کامل‌تر است. مناطق محروم جهان که برنامه‌های ضعیفی برای نظارت بر بیماری‌های قلبی عروقی دارند، باید به کمک های شایانی که این روش می‌تواند برای آنها داشته باشد، امیدوار باشند.
این پژوهش محدودیت‌هایی دارد که از جمله آنها می‌توان به کم‌بود ویژگی‌های مورد نیاز برای بهبود و بررسی تست در جوامع بزرگتر، احتمال سوءاستفاده از اطلاعات برای اهداف تبعیض‌آمیز و تهدید‌های حریم خصوصی در پی استخراج ناخواسته‌ی داده‌های حساس پزشکی از تصویر چهره اشاره کرد. درنتیجه باید کاربرد‌های هوش مصنوعی در پزشکی بازنگری شوند.
مؤلفان پژوهش در این خصوص گفتند:
مسائل اخلاقی مهمترین معیار در ساخت و توسعه این فناوری‌ها هستند. ما معتقدیم که پژوهش‌های آتی در زمینه‌ی ابزارهای پزشکی باید به امنیت و دیگر مفاهیم اجتماعی اختصاص یابند تا اینکه ابزارهای هوش مصنوعی تنها با اهداف پزشکی مورد استفاده قرار گیرند.