Voiko tekoäly havaita tiettyjä sairauksia katsomalla kasvojen kuvia ?

Nykyiset tekoälyjärjestelmät voivat tunnistaa viitteellisiä signaaleja kasvojen valokuvista – muutoksia tekstuurissa, epäsymmetriassa, pigmentaatiossa ja hienovaraisessa turvotuksessa – jotka korreloivat tiettyjen metabolisten, sydän- ja endokriinisten sairauksien kanssa, mutta nämä viitteet eivät ole sairausspesifisiä ja usein menevät päällekkäin normaalin vaihtelun tai muiden sairauksien kanssa. Tutkimusryhmät ovat raportoineet vaatimattomista tarkkuuksista (usein 60–80 % AUC) sairauksien, kuten diabeteksen, kroonisen munuaissairauden tai sepelvaltimotaudin havaitsemisessa, käyttäen suuria aineistoja ja kymmenien tuhansien leimattujen kuvien perusteella koulutettuja syväoppimismalleja. Koska kasvojen biomarkkereita ovat epäsuorat ja niihin vaikuttavat ikä, sukupuoli, valaistus ja etnisyys, teknologia on edelleen kokeellista eikä sitä ole hyväksytty kliiniseen diagnostiikkaan. Sitä käytetään tällä hetkellä pääasiassa tutkimuskäytössä ja täydentävänä seulontatyökaluna diagnostiikan standardin sijaan.

— Enriched 13. toukokuuta 2026 · Lähde: Nature Medicine

Tutkijat ovat tutkineet tekoälyä käyttämällä sairauksien havaitsemiseen kasvojen kuvien analysoinnin avulla, menetelmää, jota kutsutaan kasvofenotyypiksi. Tämä lähestymistapa perustuu ajatukseen, että tietyt sairaudet voivat aiheuttaa hienovaraisia muutoksia kasvonpiirteissä, joita voidaan havaita tietokonenäön algoritmeilla. Esimerkiksi jotkin tutkimukset ovat osoittaneet, että tekoälyä voidaan käyttää geneettisten sairauksien, kuten Downin oireyhtymän ja DiGeorgen oireyhtymän, havaitsemiseen analysoimalla kasvojen kuvia. Myös sairauksia, kuten Parkinsonin tautia ja Alzheimerin tautia, on tutkittu kasvofenotyypin avulla. Syväoppimistekniikoiden, kuten konvoluutioneuraalisten verkkojen, käyttö on parantanut kasvofenotyypin tarkkuutta. Kehitys on kuitenkin vasta alkuvaiheessa, ja lisää tutkimusta tarvitaan täysimääräisesti hyödyntämään menetelmän potentiaalia. Kasvofenotyypillä on mahdollisuus tarjota ei-invasiivinen ja edullinen menetelmä sairauksien havaitsemiseen, mikä voisi olla erityisen hyödyllistä resurssipulaisissa ympäristöissä. Tekniikkaa ei vielä käytetä laajasti kliinisessä käytännössä, mutta se on osoittanut lupaavia tuloksia tutkimustutkimuksissa.

— Enriched 13. toukokuuta 2026 · Lähde: National Institutes of Health