文 | Ganes Kesari

安德魯（為了保護(hù)孩子的身份而使用的假名）正在夏日的陽(yáng)光下于后院玩耍，但這個(gè)4歲孩子的父母似乎注意到有些不對(duì)勁。也許是因?yàn)樗念^小得不尋常，也許是因?yàn)槌C正他先天性疾病的手術(shù)所帶來(lái)的后遺癥。

安德魯?shù)母改缸稍兞朔鹆_里達(dá)州Nemours兒童醫(yī)院（Nemours Children’s Hospital）的兒科教授Karen Gripp博士，后者決定進(jìn)行調(diào)查。除了常規(guī)的程序外，她還在Face2Gene上進(jìn)行了快速診斷——這是一款基于計(jì)算機(jī)視覺(jué)的應(yīng)用程序，可以尋找罕見(jiàn)疾病的跡象。上傳至該應(yīng)用程序的安德魯面部圖片顯示，其癥狀與Smith-Lemli-Opitz綜合征（SLO）非常吻合。這是一種罕見(jiàn)的疾病，大約每4萬(wàn)名兒童中會(huì)有1名患者。

“這家人以為這種情況已經(jīng)被排除了，”Karen Gripp說(shuō)。但隨后的檢查證實(shí)了這一基因診斷結(jié)果。安德魯?shù)拿娌刻卣鞅砻魉加休p度SLO。盡管這對(duì)他的父母來(lái)說(shuō)是一個(gè)打擊，可安德魯還是很快被送進(jìn)了代謝疾病診所，并接受了適當(dāng)?shù)臓I(yíng)養(yǎng)和藥物治療。

Karen Gripp表示，“這個(gè)家庭對(duì)于能夠獲得明確的診斷結(jié)果表示很感激，因?yàn)檫@能解釋孩子在行為和學(xué)習(xí)上遇到的挑戰(zhàn)。”他們現(xiàn)在意識(shí)到，對(duì)安德魯來(lái)說(shuō)，SLO有25%的復(fù)發(fā)風(fēng)險(xiǎn)。

世界上有1萬(wàn)多種罕見(jiàn)疾病，其中的75%會(huì)影響兒童，而受影響的孩子中有大約三分之一活不到5歲生日。罕見(jiàn)疾病不會(huì)引起太多的關(guān)注，而且它們的檢測(cè)非常具有挑戰(zhàn)性。

在安德魯?shù)牟±?，多虧了人工智能?jì)算機(jī)視覺(jué)應(yīng)用程序，他獲得了快速診斷，從而在治療上取得了突破。那么，面部圖片是這些致命疾病的可靠指標(biāo)嗎？在可供算法進(jìn)行訓(xùn)練的信息如此之少的情況下，人工智能能夠檢測(cè)罕見(jiàn)疾病嗎？本文將對(duì)這些問(wèn)題展開(kāi)討論，并分享當(dāng)今醫(yī)生在采用這些解決方案時(shí)的做法。

01

罕見(jiàn)病是如何隱藏在我們眼皮底下的？

兩個(gè)因素使得罕見(jiàn)的遺傳性疾病更加致命——缺乏認(rèn)識(shí)，以及缺乏有針對(duì)性的治療。

每12個(gè)嬰兒中就有1個(gè)在生下來(lái)時(shí)患有罕見(jiàn)疾病。盡管全世界有3億多罕見(jiàn)疾病患者，但人們對(duì)這些疾病的認(rèn)知水平很低。由于影響兒童的罕見(jiàn)疾病超過(guò)1萬(wàn)種，相關(guān)病例的長(zhǎng)尾分布非常分散。與安德魯不同的是，大多數(shù)孩子的病情多年來(lái)一直沒(méi)有被發(fā)現(xiàn)，直到癥狀變得嚴(yán)重。而讓情況更復(fù)雜的是，找到遺傳學(xué)家并不容易，光是預(yù)約就可能需要幾個(gè)月的時(shí)間。

由于制藥公司優(yōu)先為影響大量人口的疾病研發(fā)藥物，大多數(shù)罕見(jiàn)疾病都缺乏治療方法。由于每種罕見(jiàn)疾病的患者只有幾千人，商業(yè)化研究手段無(wú)法實(shí)行。盡管對(duì)罕見(jiàn)病的治療有激勵(lì)措施，但罕見(jiàn)病藥物的研發(fā)卻被邊緣化了。

不過(guò)，面對(duì)作出正確診斷和提供高質(zhì)量護(hù)理的雙重挑戰(zhàn)，技術(shù)正催生出新的解決方案。

02

用人工智能視覺(jué)檢測(cè)罕見(jiàn)疾病

“你能確定某人患有唐氏綜合癥嗎？”專注于計(jì)算機(jī)視覺(jué)領(lǐng)域的連續(xù)創(chuàng)業(yè)家Moti Shniberg問(wèn)道。唐氏綜合癥是一種導(dǎo)致兒童智力殘疾和發(fā)育遲緩的遺傳性疾病，而該疾病會(huì)表現(xiàn)出明顯的面部狀況，很容易識(shí)別。

由于每700個(gè)兒童中有1個(gè)受到該疾病影響，“我們很有可能遇到過(guò)患有這種疾病的人，”Moti Shniberg表示。“在最初看了幾個(gè)患有該疾病的孩子之后，作為人類的我們往往會(huì)立即發(fā)現(xiàn)這些病例。我們的大腦在沒(méi)有任何專業(yè)醫(yī)學(xué)知識(shí)的情況下，就被訓(xùn)練成能直觀地發(fā)現(xiàn)這種病癥?！?/p>

然而，即便是專家，要想將這一視覺(jué)技能擴(kuò)展到其他罕見(jiàn)疾病也是一項(xiàng)挑戰(zhàn)。成千上萬(wàn)的罕見(jiàn)疾病有著截然不同的癥狀，而每一種疾病只影響全球數(shù)千名兒童，我們的大腦沒(méi)有足夠的例子來(lái)進(jìn)行學(xué)習(xí)。

這就是計(jì)算機(jī)視覺(jué)可以提供幫助的地方。為此，Moti Shniberg創(chuàng)建了Face.com，這是一個(gè)面部識(shí)別平臺(tái)，在互聯(lián)網(wǎng)上發(fā)現(xiàn)了超過(guò)180億張臉。2012年，他把公司賣給了Facebook。當(dāng)他和搭檔Lior Wolf試圖用計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)來(lái)解決其他有影響力的問(wèn)題時(shí)，他們偶然發(fā)現(xiàn)了在罕見(jiàn)遺傳性疾病中的應(yīng)用機(jī)會(huì)。

于是，他們成立了FDNA公司，并開(kāi)始開(kāi)發(fā)由人工智能驅(qū)動(dòng)的應(yīng)用程序，如Face2Gene，以便用視覺(jué)方式來(lái)檢測(cè)罕見(jiàn)的遺傳性疾病。其算法被設(shè)計(jì)成只從每一種罕見(jiàn)疾病的少數(shù)患者的歷史照片中進(jìn)行學(xué)習(xí)。

在過(guò)去的十年里，F(xiàn)DNA通過(guò)與遺傳學(xué)家的合作建立了一個(gè)包含5,000種罕見(jiàn)疾病的數(shù)據(jù)庫(kù)。“我們的面部識(shí)別算法可以檢測(cè)到1,500種這類疾病，”Moti Shniberg解釋說(shuō)?！捌渌?,500種疾病則利用了包括自然語(yǔ)言處理在內(nèi)的技術(shù)來(lái)進(jìn)行臨床特征分析?！痹摂?shù)據(jù)庫(kù)是Face2Gene背后的支撐，其只需要通過(guò)智能手機(jī)拍攝的一張面部照片就能幫助診斷病情。

03

AI視覺(jué)檢測(cè)與基因檢測(cè)相比效果如何？

2003年，科學(xué)家對(duì)整個(gè)人類基因組進(jìn)行了測(cè)序。這一里程碑引發(fā)了社會(huì)對(duì)于基因分型（genotyping）如何檢測(cè)和治療遺傳性疾病的強(qiáng)烈關(guān)注。大約20年后的今天，許多公司可以花費(fèi)小幾百美元對(duì)個(gè)人的完整DNA進(jìn)行測(cè)序。然而，這些進(jìn)步還沒(méi)有給遺傳性疾病的檢測(cè)帶來(lái)改變。

利用基因分型來(lái)發(fā)現(xiàn)疾病就像在海洋中尋找一艘失蹤的船只。“我們談?wù)摰氖谴罅康臄?shù)據(jù)，因?yàn)槲覀兊倪z傳物質(zhì)非常復(fù)雜，”Karen Gripp說(shuō)道。這種方法本身并不是很有效，至少現(xiàn)在還不是。

與此同時(shí)，表型分型技術(shù)（phenotyping）出現(xiàn)了顯著進(jìn)步，該技術(shù)利用可觀察到的特征來(lái)了解生物，而其中便包括通過(guò)面部特征研究來(lái)發(fā)現(xiàn)潛在疾病。由于人工智能和計(jì)算機(jī)視覺(jué)能力有了新發(fā)展，由人工智能驅(qū)動(dòng)的算法可以立即檢測(cè)出疾病。它們可以通過(guò)對(duì)醫(yī)學(xué)影像展開(kāi)的視覺(jué)檢查，以及諸如人聲、打字模式和其他數(shù)字化生物標(biāo)記等輸入信息來(lái)實(shí)現(xiàn)檢測(cè)。

在實(shí)踐中，基因分型和表型分型這兩種方法不是競(jìng)爭(zhēng)的，而是互補(bǔ)的。面部表型可以作為一種初步的診斷工具，幫助我們快速、高效地確定候選名單。

“如果我們已經(jīng)對(duì)病人進(jìn)行了評(píng)估，并知道了需要檢查的基因，那我們就有了一個(gè)非常好的鑒別診斷，”Karen Gripp解釋道?！敖酉聛?lái)，對(duì)我們從基因測(cè)試中得到的數(shù)據(jù)進(jìn)行分析就會(huì)簡(jiǎn)單得多?！?/p>

04

這些解決方案的準(zhǔn)確性如何？

面部檢測(cè)的算法很好，但并不完美。當(dāng)病人有潛在的嚴(yán)重疾病時(shí)，錯(cuò)誤清除病人信息的代價(jià)會(huì)很高昂，而且對(duì)健康人士發(fā)出錯(cuò)誤的警報(bào)也會(huì)引發(fā)負(fù)面影響。

FDNA在Nature Medicine上發(fā)表的文章中表示，他們的解決方案對(duì)前十名的預(yù)測(cè)有91%的準(zhǔn)確性：也就是說(shuō)，在91%的情況下，實(shí)際發(fā)生的疾病會(huì)出現(xiàn)在算法所推薦的前十種情況中。在這一點(diǎn)上，人工智能需要來(lái)自人類的幫助。

“這是一個(gè)提供建議的工具，我們不應(yīng)該指望它做出診斷，”Karen Gripp指出?！拔覀冎话阉鳛樵u(píng)估病人的一種額外工具?！倍?dāng)這樣的工具與醫(yī)生配對(duì)時(shí)，它可以變成一個(gè)強(qiáng)有力的臨床輔助。

這種方法在哪些領(lǐng)域可能會(huì)失?。俊斑@種解決方案不能解決單純的神經(jīng)退行性疾病，”Karen Gripp稱。在不涉及身體結(jié)構(gòu)變化的情況下，計(jì)算機(jī)視覺(jué)的用途是有限的，而這些領(lǐng)域是其他的生物標(biāo)志物和臨床特征分析方法可以派上用場(chǎng)的地方。這種組合療法對(duì)于完整覆蓋1萬(wàn)種罕見(jiàn)疾病至關(guān)重要。

算法偏見(jiàn)是另一個(gè)需要處理的風(fēng)險(xiǎn)。賓夕法尼亞州立大學(xué)醫(yī)學(xué)院的醫(yī)學(xué)教授Jennifer Kraschnewski說(shuō)：“在獲得更好的醫(yī)療保健服務(wù)的人群中，罕見(jiàn)疾病的確診率可能會(huì)更高。這可能會(huì)讓人工智能訓(xùn)練數(shù)據(jù)集在無(wú)意中存在偏差，從而更加難以識(shí)別在代表性不足人群中的罕見(jiàn)疾病，并對(duì)此產(chǎn)生下游效應(yīng)?！?/p>

05

臨床采用的情況

Moti Shniberg分享道，F(xiàn)DNA在去年與150個(gè)國(guó)家的5,000多家機(jī)構(gòu)進(jìn)行了合作?！叭缃瘢澜绱蠹s70%的遺傳學(xué)家都在使用我們的工具?！绷硗?，新冠期間遠(yuǎn)程醫(yī)療的普及加速了FDNA的成功。其應(yīng)用程序可以很容易地集成到遠(yuǎn)程醫(yī)療會(huì)議中，并根據(jù)患者的面部特征向醫(yī)生分享實(shí)時(shí)建議。

FDNA團(tuán)隊(duì)正致力于將該工具推廣給兒科醫(yī)生，與遠(yuǎn)程醫(yī)療公司合作，并直接向父母提供該應(yīng)用程序，以提高其認(rèn)同度。該公司有一個(gè)雄心勃勃的目標(biāo)，即在未來(lái)兩年內(nèi)將患者覆蓋范圍從2021年的8萬(wàn)名擴(kuò)大到100萬(wàn)名以上。

實(shí)現(xiàn)人工智能工具的采用需要多管齊下?！搬t(yī)學(xué)院和醫(yī)學(xué)繼續(xù)教育課程必須將這些工具整合到實(shí)踐中，以確保我們?cè)谡疹櫥颊邥r(shí)能適當(dāng)?shù)剡\(yùn)用這些應(yīng)用，”Jennifer Kraschnewski補(bǔ)充道。

06

罕見(jiàn)遺傳性疾病治療方法的未來(lái)

盡管美國(guó)食品藥品監(jiān)督管理局（FDA）在治療罕見(jiàn)遺傳性疾病方面提供了財(cái)政激勵(lì)，但這1萬(wàn)種疾病中只有5%有相應(yīng)的治療方法。Moti Shniberg認(rèn)為，他們的目標(biāo)是幫助100萬(wàn)罕見(jiàn)疾病患者，而這將引發(fā)連鎖反應(yīng)。

首先，通過(guò)簡(jiǎn)單的點(diǎn)擊和上傳應(yīng)用程序，罕見(jiàn)病疾病將更容易被發(fā)現(xiàn)，再加上強(qiáng)大的分發(fā)策略，罕見(jiàn)疾病的檢測(cè)會(huì)更簡(jiǎn)單、更有效。

其次，更多罕見(jiàn)疾病患者的發(fā)現(xiàn)有助于達(dá)到吸引制藥公司關(guān)注所需的患者門檻，并推動(dòng)針對(duì)新罕見(jiàn)疾病的藥物研發(fā)工作。

希望在未來(lái)，像安德魯這樣的孩子不需要等待數(shù)年才能得到正確的診斷和治療，能夠盡快過(guò)上高質(zhì)量的生活。

本文作者Ganes Kesari是福布斯撰稿人，數(shù)據(jù)科學(xué)咨詢和人工智能公司Gramener的聯(lián)合創(chuàng)始人，文章觀點(diǎn)僅代表個(gè)人。

關(guān)鍵詞： 人工智能 遺傳性疾病