Google新深度学习模型可利用眼睛外部照片,侦测糖尿病患血糖、血脂状况

Google研发了一个能从眼睛外部侦测疾病迹象的深度学习模型,该模型从眼睛外部照片,截取有用的生物标记,侦测糖尿病患者视网膜病变、糖化血色素(HbA1c)升高以及血脂升高等现象,研究人员提到,使用眼睛外部照片作为模型输入,优势是减少专业设备的需求,进而增加健康筛检的各种可能性。

在之前,Google也有进行过类似的研究,不过当时是使用深度学习技术,从眼底(Fundus)照片预测心血管的危险因素,并找出像是慢性肾脏病和糖尿病标记物,也能利用血红蛋白多寡来侦测贫血。研究人员表示,这类型的工作,都是希望发展出以更小的侵入性,并且更精确也更便宜的方法,来监测和监控疾病。

而Google这项新研究,则是利用更易于取得的眼睛外部照片,对血糖和血脂状况作出判断。Google使用远程糖尿病视网膜病变筛检计划145,000多名患者的去识别化资料,训练一个卷积神经网络,能判断患糖尿病视网膜疾病、糖化血色素(HbA1c)升高以及血脂升高3种症状。

研究人员以AUC(Area Under Curve)来衡量模型性能,完美模型得分为100%,而随机猜测得分为50%,目前该模型的预测能力,在模型检测糖尿病视网膜病变上,AUC为71-82%,糖化血色素升高为67-70%,而血脂升高则为57-68%,研究人员表示,虽然模型还不完美,但成果已经可以协助侦测和量化系统性健康的各项参数。

该模型的应用场景,可以像是糖尿病前期筛检问卷一样,利用眼睛外部照片预先筛检出需要进一步检测的人们。Google针对这项研究,也进行了偏差评估,包括可解释性分析,找出对算法影响最大图片部分,并且收集美国境内不同地点和人种的资料,以减少算法存在的偏差。

研究人员提到,由于只要从眼睛外部的照片,就能够截取健康相关的信号,因此对大量的糖尿病以及其他慢性病患者来说,存在许多潜在影响,不过这项研究在通用性还有很长的路要走,像是继续研究所需要的图像品质,并且将应用推广至已知与未知的慢性疾病患者。