Анализ изображений человеческого лица с помощью алгоритмов, основанных на глубинном обучении нейронных сетей, позволяет выявлять сердечно-сосудистые заболевания

Сердечно-сосудистые заболевания лидируют в качестве причин смертности в развитых странах, поэтому сохраняется высокая потребность в инструментах, которые позволяли бы эффективно и дешево выявлять эти заболевания. Одним из направлений исследований по данному вопросу стал анализ изображений лиц людей предварительно обученными нейронными сетями.

В журнале European Heart Journal опубликована статья, в которой описывается алгоритм, позволяющий предсказать наличие ИБС по 4 фотографиям лица человека. Площадь под ROC - кривой для данного метода составила 0,73, что превышает аналогичные показатели для классических моделей, оценивающих претестовую вероятность ИБС (0,623 для модели Diamond-Forrester и 0,652 для клинического индекса консорциума ИБС). Добавление к модели клинических переменных принципиально не улучшало ее предсказательную ценность. Размер тестовой выборки пациентов с подтвержденной ангиографически ИБС составил 5796 пациентов (90% из них использовались для обучения модели, 10% - для ее валидации). Четко определить, на основании каких именно особенностей лица алгоритм предсказывает ИБС, не удалось.

Авторы предположили, что алгоритм идентифицирует какие-то признаки факторов риска ИБС, однако оказалось, что с достаточно высокой чувствительностью определяется лишь пол и курение (в настоящий момент или в анамнезе). Также авторы установили, что алгоритм прежде всего ориентируется на такие части лица, как лоб, нос и щеки (ранее известные свойства, которые так или иначе ассоциировались с ИБС, касались в большей степени глаз, волос и ушей: седина, складка мочки уха, ксантелазмы, липоидная дуга роговицы, алопеция и проч). Авторы исследования полагают, что их алгоритм с успехом может быть применен для оценки претестовой вероятности ИБС в первичном звене здравоохранения с целью оценки показаний для дальнейшего обследования, а также для скрининга ИБС в популяции (в том числе, в виде самопроверки, например - в виде приложения на смартфоне).

Похожая работа была опубликована несколько ранее в JAMA Cardiology. Объектом интереса исследователей стал скрининг фибрилляции предсердий. Был разработан алгоритм, позволяющий на основании неритмичности пульсовой волны по данным фотоплетизмографии диагностировать фибрилляцию предсердий, причем для приемлемого функционирования алгоритма оказывалось достаточно изображения лица человека, получаемого с камеры смартфона или даже обычной цифровой камеры, расположенной в приемной врача (одновременно можно получать информацию сразу о нескольких пациентах, см рисунок).

По материалам:

1) Shen Lin, Zhigang Li, Bowen Fu, et al. Feasibility of using deep learning to detect coronary artery disease based on facial photo, European Heart Journal, , ehaa640, https://doi.org/10.1093/eurheartj/ehaa640

2) Yan BP, Lai WHS, Chan CKY, et al. High-Throughput, Contact-Free Detection of Atrial Fibrillation From Video With Deep Learning. JAMA Cardiol. 2020;5(1):105–107. doi:10.1001/jamacardio.2019.4004