AI檢測貧血不看血，竟是看眼睛

不用扎針、不用讓本就貧血的人“雪上加霜”——

用手機拍照就可以檢測一個人是否貧血，不知道你聽說過沒？

今天要介紹的這個研究就是，通過拍攝人的下眼瞼照片，AI 就可以有 72.6% 的準確率預測你是否貧血！

哇，暈針暈血的朋友有救了？

等等，AI 驗貧血居然是看眼睛？

是的，沒錯。

正式開始介紹之前，先來兩個問題。

Q：首先你知道為什么可以通過拍照識別貧血嗎？

A：因為貧血患者的膚色和正常人是不太一樣的。

Q：那為什么非要拍下眼睛呢？

A：說來還長……

長話短說！

其實早在 2018 年，就有人有過類似的成功研究。

而當時的方法都是根據人的手掌、指甲或其他身體部位來檢測。

問題就來了：

這些區域很容易受到溫度變化的影響，診斷結果經常飄忽不定(且不太能推廣應用到紫紺型、低血壓或輕度低溫患者身上)。

而恰好人的眼睛，準確地說是下眼瞼，是一個血流量低、黑色素或其他可能影響結果的因素很少的身體部位。

所有，大家的研究方向就轉向它了。

如何實現？

首先，研究人員在一家醫院拍攝了 142 名擁有不同血紅蛋白范圍值的患者的下眼瞼。

每名患者拍攝 32 張圖像，其中 8 張有標準顏色參考，用 RAW 和 JPEG 格式記錄有無閃光燈拍攝下的圖像。

剩下的 24 張圖像是在沒有顏色參考的情況下拍的，拍攝時需盡可能靠近結膜以便清晰聚焦，并盡量減少光源的眩光和移動。

然后就是使用 MATLAB 來處理這些圖像，先用圖像處理算法最大限度地提高它們的顏色分辨率。

接著生成一個數據庫，將每個處理后的圖像信息與患者的臨床數據合并。

再通過算法選出最能代表眼瞼顏色的最佳區域(下圖左)以及整個有效區域(下圖右)進行分析。

最后，將這個區域的 26 種衡量參數(包括平均亮度、紅色分量的平均值等，見下表)組成行，其值為列，再填充患者在實驗室測出的血紅蛋白值組成矩陣，進行逐步回歸分析，得出最終的預測模型。

效果如何呢？

目前可做篩查工具，有異常還得再抽血

研究人員隨后在 202 名新志愿者以及最開始的 142 名患者身上測試了該模型。

這批人員平均年齡為 53 歲，19-96 歲不等，其中 52% 的測試人員為男性。

他們的血紅蛋白濃度范圍為 4.7g/dL 至 19.6g/dL(平均 12.5g/dL)。

ps. 女性 lt; 12.5 g/dL、男性 lt; 13.5 g/dL 為貧血

首先，對第一期原來的 142 名患者的測試發現，預測模型通過結膜估計的血紅蛋白值(HBc)與實驗室抽血值(HBl)的相關性圖顯示：斜率 = 1.07(斜率 1 = 完全一致)！

不過，研究人員也發現一些問題：

使用閃光燈拍攝的圖片會導致 HBc 的誤差明顯更大；

而右眼和左眼圖像之間的沒有明顯誤差；

以及誤差主要表現在 HB 值低的時候模型會高估結果，HB 值高的時候又會低估(以 11g/dL 為界)。

因此他們對模型進行了多次改進迭代，包括取兩眼的平均值進行預測、不采用閃光燈拍攝等。

最終，使用調整后的預測模型針對新的 202 名志愿者的第二期測試結果顯示：

預測準確度(accuracy)分別為 [男 71.4, 女 73.8]，均值為 72.6%。

預測靈敏度(sensitivity)分別為 [71.0, 74.6]，均值 72.8%。

預測特異度(specificity)分別為 [70.8, 74.1]，均值 72.5%。

另外，圖像質量也是影響預測準確性的因素。

但膚色不會影響。

研究人員表示：

基于目前的實驗數據，該模型可以先用作貧血的篩查工具，一旦檢測出任何異常結果再進行確認檢測。

再進行確認檢測，意思還得抽血嗎……

最后，總而言之，全球有 25% 的人都受到貧血的影響，還是希望這項技術可以早日落地真正走進大眾。

先造福醫療設施匱乏的地區、以及為全球疫情下的遠程醫療添磚加瓦也是不錯的。

另，研究團隊來自美國八大常春藤盟校之一布朗大學，相關研究已發表: