Face-Scanning A.I. Makatutulong sa mga Doktor Spot Di-pangkaraniwang mga Karamdaman sa Genetic



Maaaring makatulong ang pagkilala sa mukha na i-unlock ang iyong telepono. Maaari rin ba itong maglaro ng mas mahalagang papel sa buhay ng mga tao sa pamamagitan ng pagtukoy kung ang isang tao ay may isang bihirang genetic disorder, batay lamang sa kanilang facial features? Ang DeepGestalt, isang artipisyal na katalinuhan na itinayo ng tech na FDNA na nakabatay sa Boston, ay nagpapahiwatig na ang sagot ay isang "oo".

Ang algorithm ay ginagamit na ng mga nangungunang geneticists sa higit sa 2,000 mga site sa paitaas ng 130 mga bansa sa buong mundo. Sa isang bagong pag-aaral, na inilathala sa journal Nature Medicine, ipinakikita ng mga mananaliksik kung paano nakapaglagay ng algorithm ang mga klinika nang dumating ito sa pagkilala sa mga sakit.

Ang pag-aaral ay may kinalaman sa 17,000 mga bata na may 200-plus genetic disorder. Ang pinakamahusay na pagganap nito ay dumating sa pagkakaiba sa pagitan ng iba't ibang mga subtype ng isang genetic disorder na tinatawag na Noonan syndrome, isa sa mga sintomas nito na may mahinang hindi pangkaraniwang facial features. Ang A.I. ay nakagawa ng tamang pagkakaiba sa 64 porsiyento ng oras. Iyon ay malayo sa perpekto, ngunit ito ay mas mahusay kaysa sa mga clinicians ng tao, na kinilala ang Noonan syndrome nang tama sa 20 porsiyento lamang ng mga kaso.

"Ang DeepGestalt ay isang facial image analysis framework na makakapag-highlight ng pagkakatulad sa daan-daang mga kaguluhan sa genetic," sinabi ni Yaron Gurovich, chief technology officer sa FDNA, sa Digital Trends. "Ito ay isang uri ng artipisyal na katalinuhan na mahusay na matututunan ang may-katuturang mga visual na appearances ng genetic kondisyon, at nagbibigay ng mga marka ng kaugnayan para sa [them]. Ito ay batay sa mga kamakailang tool sa pag-aaral ng machine, na tinatawag na malalim na pag-aaral. Sa pagsasagawa, gumagamit kami ng mga artipisyal na neural network upang matuto ng banayad na mga pattern sa mukha at lumikha ng isang mathematical na representasyon para sa mga iyon. Ang DeepGestalt ay tulad ng isang aggregated matematika na kinatawan ng kaalaman ng libu-libo [of] eksperto."

Upang lumikha ng kanilang system, itinuro ng mga mananaliksik na ito upang tukuyin ang mga mukha gamit ang isang pangkalahatang facial data set na magagamit sa web. Pagkatapos ay ginamit nila ang isang pamamaraan na tinatawag na "transfer learning" upang ituro ang makina upang makapaghinto ng mga genetic disorder. "Ang hakbang na ito ay katulad ng pagtuturo ng isang tao [a] bagong paksa, "patuloy ni Gurovich. "Kapag alam mo ang mga pangunahing kaalaman – [how to] pag-aralan ang mga mukha – mas madaling matutunan ang mga espesyal na kaso, [such as analyzing] genetic disorders. "

Tulad nang nabanggit, ang FDNA's A.I. Ginagamit na ng mga clinician sa anyo ng isang platform ng komunidad na tinatawag na Face2Gene. Ang tool na ito ay nagbibigay-daan sa mga mediko na may pahintulot mula sa kanilang mga pasyente na mag-upload ng mga larawan sa platform. Pagkatapos ay maitutulong ng Face2Gene na mapaliit ang posibleng sakit upang mapalawak pa ng mga doktor ang mga ito. Isang tinatayang 70 porsiyento ng mga clinical geneticists ang iniulat na gumagamit ng tool.