ENG: Medical research has seen major advances during the past few years, particularly as big data have emerged in biomedical research. Implementation of AI technology in day-to-day clinical practice has already begun, with emerging applications using it to interpret medical images, read pathology slides, analyse electrocardiograms (ECGs), track vital signs, and many other uses.
Speedy diagnostic testing is rapidly becoming an important part of medical practice. Information extracted from analysis of an individual’s facial photo utilizing the proposed technology can unquestionably benefit the individual, the attending physician, and the healthcare system altogether. Early detection of individuals at risk for coronary artery disease (CAD) can initiate lifestyle and other personal mitigation approaches, guide medication treatment, and inspire a novel approach in diagnostic testing and screening algorithms for the general population. At the same time, such a technology may raise concerns about misuse of information for discriminatory purposes. Unwanted dissemination of sensitive health record data, that can easily be extracted from a facial photo, renders technologies such as that discussed here a significant threat to personal data protection, potentially affecting insurance options.
The authors of a new paper published in August 2020, called “Feasibility of using deep learning to detect coronary artery disease based on facial photo”, deploy a large training set of 5216 individuals to develop their deep learning algorithm which is tested on a group of 1013 individuals predominantly of Han Chinese ethnicity recruited in tertiary centres across China. All patients underwent a standardized protocol for acquisition of facial images, and a coronary computed tomography angiography (CCTA) was used as the reference method for dichotomizing the cohort into groups of CAD presence. Facial appearance has long been identified as a marker of cardiovascular risk, with features such as male pattern baldness, earlobe crease, xanthelasmata, and skin wrinkling being the most common predictors. The robustness of this approach lies in the fact that their deep learning algorithm requires simply a facial image as the sole data input, rendering it highly and easily applicable at large scale. Using selfies as a screening method can enable a simple yet efficient way to filter the general population towards more comprehensive clinical evaluation. Such an approach can also be highly relevant to regions of the globe that are underfunded and have weak screening programmes for cardiovascular disease.
There are still a few points, however, for consideration that make a practical application of the current algorithm challenging. The low specificity of the method raises a concern regarding false-positive results that may confuse both patient and clinician, and eventually overload the system with redundant and unnecessary testing. The photo pre-processing used may be another issue for consideration; resolution was reduced to 256 × 256 pixels, which hinders the detection of fine facial features, such as arcus lipoides, that may play a role in the diagnostic accuracy of the model. Moreover, proper external validation of deep learning models in populations that are independent is needed to ascertain their use and functionality. Finally, in an era that observes a record surge in cosmetic surgery, we should keep in mind that artificial facial alterations may severely discredit such screening tools.
RO: Cercetarea medicală a înregistrat progrese majore în ultimii ani, în special datorită apariției datelor de mari dimensiuni (Big Data) în cercetarea biomedicală. Implementarea inteligenței artificiale în practica clinică de zi cu zi a început deja, cu aplicații emergente care o folosesc pentru a interpreta imagini medicale, a citi lame patologice, a analiza electrocardiogramele (ECG), a urmări semnele vitale și multe alte utilizări.
Testarea rapidă a diagnosticului devine rapid o parte importantă a practicii medicale. Informațiile extrase din analiza fotografiei faciale a unei persoane care utilizează tehnologia propusă pot fi, fără îndoială, în beneficiul persoanei, al medicului curant și al sistemului de sănătate în ansamblu. Depistarea timpurie a persoanelor cu risc de boală coronariană poate iniția un stil de viață și alte abordări de atenuare a efectelor nocive, poate ghida tratamentul medicamentos și poate inspira o abordare nouă în ceea ce privește testele de diagnosticare și algoritmii de diagnosticare pentru populația generală. În același timp, o astfel de tehnologie poate ridica probleme legate de utilizarea abuzivă a informațiilor în scopuri discriminatorii. Diseminarea nedorită a datelor sensibile din dosarele de sănătate, care pot fi extrase cu ușurință dintr-o fotografie facială, face ca tehnologiile precum cea discutată aici să reprezinte o amenințare semnificativă la adresa protecției datelor personale, putând afecta opțiunile de asigurare.
Autorii unei noi lucrări publicate în august 2020, intitulată “Feasibility of using deep learning to detect coronary artery disease based on facial photo” (Fezabilitatea utilizării învățării profunde pentru a detecta bolile coronariene pe baza fotografiei faciale), utilizează un set mare de 5216 persoane pentru a-și dezvolta algoritmul de învățare profundă, care este testat pe un grup de 1013 persoane, predominant de etnie chineză Han, recrutate în centrele terțiare din China. Toți pacienții au fost supuși unui protocol standardizat de achiziție a imaginilor faciale, iar o angiografie coronariană prin tomografie computerizată a fost utilizată ca metodă de referință pentru dihotomizarea cohortei în grupuri de prezență a bolii coronariene. Aspectul facial a fost identificat de mult timp ca fiind un marker al riscului cardiovascular, caracteristici precum chelia la persoanele de sex masculin, pliul lobului urechii, xantelasma și ridurile pielii fiind cei mai comuni predictori. Robustețea acestei abordări constă în faptul că algoritmul lor de învățare profundă necesită pur și simplu o imagine facială ca unică intrare de date, ceea ce îl face foarte ușor de aplicat la scară largă. Utilizarea selfie-urilor ca metodă de diagnosticare poate permite o modalitate simplă, dar eficientă, de filtrare a populației generale către o evaluare clinică mai cuprinzătoare. O astfel de abordare poate fi, de asemenea, extrem de relevantă pentru regiunile globului care sunt subfinanțate și care au programe slabe de depistare a bolilor cardiovasculare.
Cu toate acestea, există totuși câteva puncte de luat în considerare care fac dificilă aplicarea practică a algoritmului actual. Specificitatea scăzută a metodei ridică o problemă în ceea ce privește rezultatele fals pozitive care pot deruta atât pacientul, cât și medicul, și care, în cele din urmă, supraîncarcă sistemul cu teste redundante și inutile. Preprocesarea foto utilizată poate fi o altă problemă de luat în considerare; rezoluția a fost redusă la 256 × 256 pixeli, ceea ce împiedică detectarea trăsăturilor faciale fine, cum ar fi arcul lipoid, care pot juca un rol în precizia de diagnosticare a modelului. În plus, este necesară o validare externă adecvată a modelelor de învățare profundă în populații care sunt independente pentru a se asigura utilizarea și funcționalitatea acestora. În cele din urmă, într-o epocă care observă o creștere record a chirurgiei estetice, ar trebui să ținem cont de faptul că alterările faciale artificiale pot discredita grav astfel de instrumente de diagnosticare.
Paper: Lin S , Li Z, Fu B, Chen S, Li X, Wang Y, Wang X, Lv B, Xu B, Song X, Zhang Y-J, Cheng X, Huang W, Pu J, Zhang Q, Xia Y, Du B, Ji X, Zheng Z. Feasibility of using deep learning to detect coronary artery disease based on facial photo. Eur Heart J 2020;doi:10.1093/eurheartj/ehaa640. 2020
Source – abridged and adapted
