【洪存正專欄】人工智慧從臉部、舌頭和視網膜探知健康

一種使用臉部、舌頭和視網膜影像的新工具可以幫助評估慢性病的風險。基於一般臉部第一列、視網膜眼底鏡視圖和舌頭照片的影像網格； 前面的列顯示了識別年齡的地圖關鍵區域。張康妮(CONNIE CHANG)發表在最新一期《國家地理雜誌》(National Geographic) 的<您的生理年齡可以揭示您的健康狀況>( What your biological age can reveal about your health)指出，研究人員創建了一個人工智慧模型，可以根據你的臉部、舌頭和視網膜的圖像來估計你的生物年齡。影像中的紅色斑塊突顯了演算法發現與確定年齡最相關的區域。
中國研究人員開發了一種人工智慧工具可探知健康
中國的研究人員開發了一種工具，利用人工智慧分析個人的臉部、舌頭和視網膜影像，以確定他們的生物年齡。此技術可深入了解我們的細胞、組織和器官的健康狀況以及慢性疾病的風險。
看一下駕照就足以了解某人的實際年齡。但生物年齡更難以確定。與實際年齡不同，生物年齡沒有普遍認可的測量方法——生物年齡可能受到環境、個人生活方式選擇和遺傳的影響。例如，吸菸者可能看起來比實際年齡老幾歲，而健身愛好者可能被認為比實際年齡年輕得多。而且這種差異不僅僅是表面上的——如果你的生物學年齡大於你的實際年齡，你可能會患有慢性疾病或經歷過早的認知能力下降。另一方面，如果你的生理年齡比實際年齡年輕，那麼與同齡人相比，你的腳步可能會更有彈性。
臉部 3D 影像、大腦掃描或血液中的蛋白質水平來確定生物年齡
史丹佛大學遺傳學家邁克爾·斯奈德（Michael Snyder）沒有參與目前的研究，他說：「了解你的生物年齡很重要，因為如果你不這樣做，你可以改變生活方式來改善你的健康。 」
早期版本的衰老時鐘（測量生物年齡的模型）透過觀察不同組織中隨時間變化的DNA 甲基化模式（DNA 上控制基因關閉和開啟的化學標記）來計算這個數字。其他時鐘則測量醫生在年度體檢中經常測試的各種代謝（血糖）和發炎蛋白標記物的數量。最近，科學家設計了一種時鐘，可以使用臉部 3D 影像、大腦掃描或血液中的蛋白質水平來確定某人的生物年齡。
它們都會追蹤隨著我們年齡的增長而發生的變化——無論是皮膚上的皺紋，還是糖尿病等與年齡相關的疾病的可能性增加。但老化是一個複雜的過程，以多種方式影響多個器官系統。
就像試圖通過觸摸大象的鼻子來了解大象
澳門科技大學的醫學科學家、該論文的合著者CONNIE CHANG表示，使用一種測量方法來定義生物年齡就像試圖通過觸摸大象的鼻子來了解大象一樣。一月份的美國國家科學院院刊。
相反，張和他的合作者使用人工智慧模型創建了生物年齡的「整體」圖片，該模型使用臉部、舌頭和視網膜圖像的輸入，並吐出相應的年齡。這種方法，就像為 ChatGPT 提供支持的方法一樣，「超越了人類預測年齡的能力，因為它通過大量數據並發現了看不見的聯繫，」張說。
「他們的深度學習實驗的技術設計和實驗設計以及他們使用的數據集都給我留下了深刻的印象；結果非常令人信服。」倫敦大學學院的神經科學家詹姆斯·科爾（James Cole）說道，他沒有參與目前的研究。
深度學習與生物時代徹底改變電腦視覺任務
這項被稱為 Transformer 的人工智慧技術在2017 年的 Google 論文中介紹，首先用於創建可以模仿人類語言的程序，例如 ChatGPT。與舊的人工智慧模型不同，變壓器會立即處理整個文字序列，而不是順序處理，這使它們更擅長檢測模式並理解上下文。
很快，研究人員將這種方法轉化為影像分析，就像自然語言處理一樣，它徹底改變了電腦視覺任務。一些 Transformer（包括本研究中使用的 Transformer）採用的另一項創新是分析不同解析度的影像，以找出粗略和精細的細節。
生物衰老的重要反映面孔、舌頭、視網膜
科爾說：“這對語言來說不是問題，因為顯然，世界上有太多的語言，但對於醫學圖像來說，找到足夠的例子非常非常困難”，他的研究將人工智能技術應用於腦部掃描來調查兩者之間的關係老化與神經退化性疾病之間。他說，這個小組能夠接觸到數以萬計的人進行研究，這真是太好了。
與許多人工智慧模型一樣，將模型結果翻譯成人類可以理解的術語可能是一個癥結所在。
「該模型很微妙，考慮的是我們無法檢測到的像素級差異，」張說。話雖如此，他們的分析似乎表明舌頭中心（舌頭圖像）、眼睛周圍區域（面部圖像）和眼球後部血管最密集的部位（視網膜圖像）是生物衰老的重要反映。
每種模式的訊息都捕捉到了老化的不同面向
為了開始創建一個可以確定生物年齡的工具，研究人員使用來自中國北方的 11,223 人的臉部、舌頭和視網膜影像來訓練模型，這些人的生物年齡被認為等於實際年齡，因為他們是健康的個體。這相當於 3 億個變量，與擁有數萬億個參數的 ChatGPT4 相比只是九牛一毛。
張說，我們對實際年齡的預測，作為健康人生物年齡的代表，「與使用單一測量的其他老化時鐘相比，在一年內更加準確」。就像大象的故事一樣，每種模式的訊息都捕捉到了老化的不同面向。
例如，臉上的皺紋暗示著陽光照射和污染等環境因素；而視網膜（中樞神經系統的一部分）變薄和血管受損則反映了大腦和循環系統的健康狀況。另一方面，舌頭的形狀和塗層可以提供有關我們的微生物組和腸道健康的線索。作為這項研究的一部分，研究參與者接受了五年的定期健康檢查，包括血液和尿液檢查、生活方式問捲和身體檢查。
有了生物老化時鐘，張的團隊在患有糖尿病和心臟病等慢性疾病的不健康個體上測試了他們的模型，這些個體來自用於開發該模型的中國北方人群。他們還包括來自中國南方不同地區的人。
正如預期的那樣，健康人的生理年齡與實際年齡密切相關。但如果一個人有吸菸、久坐等不健康習慣，或是患有慢性疾病，那麼生物年齡往往會高於實際年齡。這種差異被稱為 AgeDiff，範圍從慢性心臟病患者的平均 3.16 歲到吸菸者的 5.43 歲。
生物學年齡和實際年齡不同時的後果
為了確定生理年齡超過實際年齡如何影響六種常見與年齡相關的疾病（慢性心臟病、慢性腎臟病、心血管疾病、糖尿病、高血壓和中風）的風險，研究人員將 11,223 人分為四組： AgeDiff 從高到低。AgeDiff 較高的人更有可能患上其中一種慢性疾病，且風險隨著 AgeDiff 的增加而增加。
除了某人一生中患疾病的風險之外，張對 AgeDiff 能否告訴我們疾病何時可能發生的資訊感興趣，換句話說，有人會在今年或五年後被診斷出患有糖尿病嗎？如果我們知道時機，「這實際上對設計幹預措施非常有幫助，」張說。
張的團隊發現，AgeDiff 比血糖、BMI 和膽固醇等更傳統的指標更能預測某人何時生病。如果將 AgeDiff 與這些其他因素結合起來，預測會更加準確。毫不奇怪，研究人員也發現 BMI 和血壓等健康指標的異常值與較高的 AgeDiff 數字相關。
生理時鐘的未來
目前，張和他的團隊正在使用 AgeDiff 來識別患有慢性病的高風險族群，並為每位患者制定乾預措施。透過針對與 AgeDiff 密切相關的健康指標（例如血壓和血糖水平），他們希望系統性地延緩「老化疾病」的發生。
他們也正在完善模型，納入 DNA 甲基化等其他變量，並納入其他種族群體的實驗對象。
斯奈德說，像 AgeDiff 這樣的工具可以使醫學民主化，減少疾病發生前預防疾病的費用和麻煩。為此，張的團隊正在開發一款 iPhone 附件和相關應用程序，可以拍攝模型所需的照片，他希望在年底前能擁有一個可行的原型。
史奈德研究個人化醫療如何降低個人罹患慢性病的風險，他喜歡這個簡單易行的解決方案。「任何人都可以輕鬆做到這一點，無需抽血和人們目前所做的所有測試，」他說。