AI 检测贫血不看血,竟是看眼睛枯木巨魔的牢笼

文章正文
发布时间:2021-08-02 21:49

不用扎针、不用让本就贫血的人“雪上加霜”——

用手机拍照就可以检测一个人是否贫血,枯木巨魔的牢笼不知道你听说过没?

今天要介绍的这个研究就是,通过拍摄人的下眼睑照片,AI 就可以有 72.6% 的准确率预测你是否贫血!

哇,晕针晕血的朋友有救了?

等等,AI 验贫血居然是看眼睛?

是的,今日一别两茫茫没错。

正式开始介绍之前,先来两个问题。

Q:首先你知道为什么可以通过拍照识别贫血吗?

A:因为贫血患者的肤色和正常人是不太一样的。

Q:那为什么非要拍下眼睛呢?

A:说来还长……

长话短说!

其实早在 2018 年,就有人有过类似的成功研究。

而当时的方法都是根据人的手掌、指甲或其他身体部位来检测。

问题就来了:

这些区域很容易受到温度变化的影响,诊断结果经常飘忽不定(且不太能推广应用到紫绀型、低血压或轻度低温患者身上)。

而恰好人的眼睛,准确地说是下眼睑,泡泡战士步枪技巧是一个血流量低、黑色素或其他可能影响结果的因素很少的身体部位。

所有,大家的研究方向就转向它了。

如何实现?

首先,研究人员在一家医院拍摄了 142 名拥有不同血红蛋白范围值的患者的下眼睑。

每名患者拍摄 32 张图像,其中 8 张有标准颜色参考,用 RAW 和 JPEG 格式记录有无闪光灯拍摄下的图像。

剩下的 24 张图像是在没有颜色参考的情况下拍的,格斗纹章修改器拍摄时需尽可能靠近结膜以便清晰聚焦,并尽量减少光源的眩光和移动。

然后就是使用 MATLAB 来处理这些图像,先用图像处理算法最大限度地提高它们的颜色分辨率。

接着生成一个数据库,将每个处理后的图像信息与患者的临床数据合并。

再通过算法选出最能代表眼睑颜色的最佳区域(下图左)以及整个有效区域(下图右)进行分析。

最后,将这个区域的 26 种衡量参数(包括平均亮度、红色分量的平均值等,征服者雷萨赫尔顿见下表)组成行,其值为列,再填充患者在实验室测出的血红蛋白值组成矩阵,进行逐步回归分析,得出最终的预测模型。

效果如何呢?

目前可做筛查工具,有异常还得再抽血

研究人员随后在 202 名新志愿者以及最开始的 142 名患者身上测试了该模型。

这批人员平均年龄为 53 岁,19-96 岁不等,其中 52% 的测试人员为男性。

他们的血红蛋白浓度范围为 4.7g/dL 至 19.6g/dL(平均 12.5g/dL)。

ps. 女性 < 12.5 g/dL、男性 < 13.5 g/dL 为贫血

首先,对第一期原来的 142 名患者的测试发现,预测模型通过结膜估计的血红蛋白值(HBc)与实验室抽血值(HBl)的相关性图显示:斜率 = 1.07 (斜率 1 = 完全一致)!

不过,研究人员也发现一些问题:

使用闪光灯拍摄的图片会导致 HBc 的误差明显更大;

而右眼和左眼图像之间的没有明显误差;

以及误差主要表现在 HB 值低的时候模型会高估结果,HB 值高的时候又会低估(以 11g/dL 为界)。

因此他们对模型进行了多次改进迭代,包括取两眼的平均值进行预测、不采用闪光灯拍摄等。

最终,使用调整后的预测模型针对新的 202 名志愿者的第二期测试结果显示:

预测准确度 (accuracy)分别为 [男 71.4, 女 73.8],均值为 72.6%。

预测灵敏度 (sensitivity)分别为 [71.0, 74.6],均值 72.8%。

预测特异度 (specificity)分别为 [70.8, 74.1],均值 72.5%。

(灵敏度高 = 漏诊率低,特异度高 = 误诊率低)

另外,图像质量也是影响预测准确性的因素。

但肤色不会影响。

研究人员表示:

基于目前的实验数据,该模型可以先用作贫血的筛查工具,一旦检测出任何异常结果再进行确认检测。

再进行确认检测,意思还得抽血吗……

最后,总而言之,全球有 25% 的人都受到贫血的影响,还是希望这项技术可以早日落地真正走进大众。

先造福医疗设施匮乏的地区、以及为全球疫情下的远程医疗添砖加瓦也是不错的。

另,研究团队来自美国八大常春藤盟校之一布朗大学,相关研究已发表: