【作 者】：网站采编
【关键词】：
【摘 要】：对于一些疾病，医生看脸就能知道一两件事，这在中医中比较常见。如今，借助先进的计算机技术，西医也可以“看脸识病”。 8月20日，阜外医院郑哲教授和全国其他8家医院郑哲教授

对于一些疾病，医生看脸就能知道一两件事，这在中医中比较常见。如今，借助先进的计算机技术，西医也可以“看脸识病”。 8月20日，阜外医院郑哲教授和全国其他8家医院郑哲教授和清华大学纪向阳教授团队在欧洲心脏杂志上发表的多中心横断面研究表明，通过计算机深度学习算法，您可以通过查看面部照片来评估一个人患冠心病的风险。研究人员指出，该技术可能有助于门诊冠心病风险评估和社区高危人群冠心病早期筛查。未来，有必要进一步开发临床可用的工具。该研究首先招募了2017年7月至2019年3月来自全国8家医院的5796名接受择期冠状动脉造影或冠状动脉CT血管造影的患者，其中90%（5216人）被随机分配到研究中。在训练组中，剩下的 10%（580 人）被分成验证组来构建深度学习算法。然后，从2019年4月至2019年7月，该研究纳入了来自9家医院的1013名接受择期冠状动脉造影或冠状动脉CT血管造影的患者作为测试组，以验证深度学习算法。结果表明，以影像诊断为参考标准时，验证组基于人脸照片的冠心病检测算法的灵敏度为0.8，特异性为0.61，ROC曲线下面积（AUC）为0.757，准确率明显更高。基于传统的 Diamond-Forrester 模型（AUC 为 0.631）和广泛使用的冠心病联盟临床评分（AUC 为 0.694）。在测试组中，基于面部照片的冠心病检测算法的灵敏度高达0.8，特异性为0.54，AUC为0.73。其准确率也明显高于 Diamond-Forrester 模型（AUC 为 0.623）和冠心病联盟临床评分（AUC 为 0.652）。

研究人员指出，这种基于人脸照片的深度学习算法具有中等的性能心脏病识别，进一步研究发现加入临床指标并没有提高算法的性能，说明该算法只能使用人脸照片，不考虑病史或体检。此外，研究表明，脸颊、额头和鼻子在所有面部区域对算法的贡献更大。研究人员表示，这一结果与之前的其他研究报告不一致。此前的研究发现，眼睛、耳朵、头发与冠心病的关系可能更强。他们认为这可能有三个原因：研究对照片进行了预处理；提取一些与冠心病密切相关的不显眼的面部特征，如表观年龄、面部脂肪和脸型；之前的研究错误估计了冠心病与脸颊、额头和鼻子的关系。研究人员发现前额秃头（回发线）、秃头、耳垂皱纹、耳纹、深眼袋、深鱼尾纹、额头深皱纹、眼眶周围皱纹、鼻沟、鼻唇沟（nasolabial folds）头部和面部特征算法认为深、老年斑和苍白的嘴唇与冠心病显着相关。

电话：010-68331974 “房颤科学”将以通俗易懂的语言提供科学、可靠和防治房颤的实用知识！如果您对房颤有任何疑问，请留言，我们将通过视频直播为您解答！