【柳叶刀子刊】准确率88%！刷脸就能快速识别128种遗传疾病？这不是“天方夜谭”，新儿童遗传综合征评估模型做到了

美国华盛顿国立儿童医院的研究人员开发了一种新的生物特征分析工具，可以通过观察儿童的面部特征来筛查128种基因疾病。虽然该工具尚未被批准用于患者护理，但它已获得MGeneRx的许可，以寻求监管部门的批准和商业化，将其用作诊断和筛查工具。

研究人员本月早些时候在《The Lancet Digital Health》发表了题为“Development and evaluation of a machine learning-based point-of-care screening tool for genetic syndromes in children: a multinational retrospective study”的文章。

该医院谢赫·扎耶德儿科外科创新研究所的首席研究员Marius Linguraru说，机器学习模型根据患者的遗传风险对患者进行分层。研究人员通过观察不同种族、年龄和性别的患有遗传疾病的患者的照片，以观察这些疾病是如何表现在脸上的。它的目的是作为一种人群筛查工具，可以指示病人谁可能从进一步从遗传咨询中受益。

该工具自2012年以来一直在开发中，它接受了两组训练，一组是没有遗传综合症的儿童的照片，以了解面部特征的正常变化和预期变化，另一组是被诊断患有遗传疾病的患者的照片，以确定关键标记。

研究对象来自28个国家的2800名儿童，他们有128种不同的遗传状况，包括Williams-Beuren综合征、Cornelia de Lange综合征和唐氏综合征，从新生儿到青春期晚期患者都有。2800张儿童的回顾性面部照片，其中1400名儿童被诊断患有128种遗传疾病，1400张没有遗传综合征的对照个体的照片。这些照片是从三个公开可用的数据库、国家儿童基金会的档案以及医院用智能手机拍摄的照片中追溯而来的。

研究人员设计的深度学习体系结构由三个神经网络组成：网络A，执行图像标准化；网络B，检测面部形态；网络C，遗传综合征风险评估。

研究小组将照片分成更小的部分进行交叉验证，并对该工具进行了再训练，Linguraru说，看到了改进。但这些改进并不令人惊讶，因为随着机器学习算法看到更多的患者，它“更擅长确定”相关的面部特征。

他表示：“它拥有的数据越多，它就变得越聪明，也就越专注。”

目前，研究结果显示，该工具可以识别可能患有遗传疾病的患者，准确率为88%，敏感性为90%，特异性为86%。

Linguraru说，机器学习模型“对人脸的模式进行深度分析”。该算法观察“脸上的一切”，例如脸上的线条和凹陷的图案、两眼之间的距离和人中的长度，然后它在这些测量值中“寻找变化”。然后，它测量这些距离并分析这些线条的模式，在大约一秒钟内返回一个结果，显示患者患遗传疾病的风险。尽管它可以用于所有年龄段的人，但开发的重点是用于21岁以下的儿童患者。

Linguraru表示，通过观察包括所有种族和混血人种的全球人群，该团队已经努力绕过潜在的偏见——一些其他面部识别软件工具中，检测非欧洲人的遗传综合征方面效率较低。

研究小组试图获得“尽可能多的多样化数据，以确保该工具能够识别所有患者的重要面部特征”。Linguraru说，不同种族群体的模式和测量方法也存在差异，这一工具必须经过训练才能意识到这一点。

然而，研究人员在《The Lancet》研究中指出，该工具在白人和西班牙裔人群中比在非洲和亚洲人群中更准确——白人和西班牙裔患者的准确率分别为90%和91%，而非洲和亚洲人群的准确率分别为84%和82%。

他们还表示，他们对种族或族裔类别使用了一个宽泛的定义，可能无法区分人群中更细微的差异——例如，亚洲群体包括来自中国、日本、印度和泰国的患者。他们写道：“这种广泛的个人群体可能是表现差异的另一个原因。”

研究还发现，男性和女性儿童的准确率相似，2至5岁儿童的准确率略高。

研究人员指出，该工具的下一步是使用前瞻性患者队列进行临床验证，并在分类器中确定“足够的操作阈值”，提供“有临床意义的”敏感性并保持可接受的特异性。

该工具并非用于遗传学家。相反，它是为了“第一级护理”，如初级护理医生，他们可以进一步指导患者。

Linguraru说，尽早发现遗传性疾病是有益的，因为这可以显著提高患者的生存率，患者能够更快地见到遗传专家并接受预防性护理。

也有其他很多研究者已经使用生物特征分析来进行医学诊断，其中包括一个德国团队，在2003发表了一篇论文，研究计算机是否能识别特定疾病的面部模式。牛津大学的一个团队和中国的研究人员开发了一种专门识别Turner 综合征面部特征的工具。

此外，波士顿的FDNA已经将用于遗传学的面部识别软件Face2Gene商业化，在2015年发表在《Clinical genetics》上的一项研究中，该软件的准确率达到87%。

然而，今年早些时候发表在《American Journal of Medical Genetics》上的一项最新研究发现，总的诊断率为57%，当被诊断为Face2Gene无法识别的综合征的病例被剔除后，诊断率上升到82%。

商业化运动

与国立儿童医院工具相关的所有知识产权均已授权给MGeneRx，该公司未来将其开发为商业产品。

MGeneRx代理首席执行官Nasser Hassan表示，该公司计划将该技术主要用作智能手机应用程序，因为这将是“找到儿科医生最直接的途径”。该公司还计划与不同的医院合作，将该工具集成到他们的电子病历中，允许儿科医生在办公室直接使用它进行筛查。

Hassan 说，目前的主要重点是将其用作筛查工具，这正是它与美国食品和药物管理局合作的内容，但MGeneRx也看到了该技术作为罕见疾病诊断工具的潜力——它正在积极探索这一点。

他说，MGeneRx目前正在筹集资金，以进一步开发该工具并走向商业化，并正在寻求政府、私人和慈善资金。他补充说，该公司还在改进该工具，使其在所有不同的移动设备上都能充分发挥作用。

它也可能由医院或医疗系统授权使用，而不是作为直接面向消费者的应用程序——尽管它可以直接使用。Hassan指出，对于一个“敏感的话题”，患者希望通过医生获得适当的建议。

他说，该公司正在努力首先在美国将其商业化，有望在一年内实现，然后扩展到其他国家，包括低收入和中等收入国家，这些国家的儿童可能无法获得遗传咨询。只要能接入互联网并适应环境，它就可以在任何地方使用。

Hassan说：“我们之所以开发它，是因为这样一种产品的社会影响。”（转化医学网360zhyx.com）

参考资料：

1.https://www.genomeweb.com/inherited-disease/new-facial-analysis-tool-childrens-national-hospital-screens-genetic-diseases

2.https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00137-0/fulltext

注：本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。