Voiko tekoäly havaita tiettyjä sairauksia katsomalla kasvojen kuvia ?
Anna äänesi — lue sitten mitä toimittajamme ja tekoälymallit löysivät.
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
Background
Artificial-intelligence systems can extract suggestive facial cues—texture changes, asymmetry, pigmentation shifts and subtle swelling—that correlate with metabolic, cardiac and endocrine disorders, but these biomarkers overlap with normal variation and other conditions. Reported accuracies for diseases such as diabetes, chronic kidney disease and coronary artery disease typically range from 60 % to 80 % AUC, relying on large labeled datasets and deep-learning models trained on tens of thousands of images.
Facial phenotyping has been explored as a non-invasive, low-cost screening approach for genetic and neurodegenerative disorders. Convolutional neural networks have improved detection of conditions such as Down syndrome, DiGeorge syndrome, Parkinson’s disease and Alzheimer’s disease in research settings. However, facial traits are heavily influenced by age, sex, lighting and ethnicity, and published results remain investigational; the technique is not approved for clinical diagnosis and is currently used mainly in research and as an adjunctive screening tool rather than a diagnostic standard.
Sources: Nature Medicine; National Institutes of Health (enriched May 13, 2026).
Ehdota tagia
Puuttuuko käsite tästä aiheesta? Ehdota sitä, ylläpitäjä tarkistaa.
Tila viimeksi tarkistettu June 24, 2026.
Galleria
Voiko tekoäly havaita tiettyjä sairauksia katsomalla kasvojen kuvia?
Suppeita demoja on olemassa — mutta lautakunta ei ollut yksimielinen.
Pohdinnan jälkeen valamiehistö totesi, että tekoäly voi auttaa tunnistamaan joitakin sairauksia kasvojen kuvista, mutta sen soveltamisala ja luotettavuus ovat edelleen rajallisia. Kaksi lähes-leirissä ollutta valamiehistön jäsentä myönsi, että tekoälyllä on potentiaalia, mutta se ei vielä ole tarpeeksi luotettava täyteen tukensa antamiseen, eikä yksikään vastustaja vaatinut ankarampaa tuomiota. Päätös: "Tekoäly voi havaita muutamia ongelmallisia kasvoja, mutta älä laita kaikkea peliin sen diagnoosin varaan."
After careful deliberation, the jury found that AI can assist in identifying some diseases from facial images, yet it remains limited in scope and reliability. Two jurors in the ALMOST camp agreed it shows promise but is not yet authoritative enough for a full endorsement, while no dissenters pressed for a stronger verdict. Ruling: "AI can spot a few faces of trouble, but don’t bet the house on its diagnosis.
But the data is real.
The Case File
Across 9 sessions, 28 jurors have heard this case. Combined tally: 4 YES · 24 ALMOST · 0 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 2 — 0, the panel returns a verdict of LäHES, with verdict confidence of 80%. The court so orders.
"Working systems exist for narrow disease detection from facial images, but coverage is partial and contested."
"Deep learning models can analyze facial features"
Yksittäisten valamiesten lausunnot näytetään alkuperäisellä englannilla todistusarvon säilyttämiseksi.
Mitä yleisö ajattelee
Ei 30% · Kyllä 30% · Ehkä 39% 23 votesKeskustelu
no comments⚖ 9 jury checks · uusin 4 päivää sitten
Jokainen rivi on erillinen tuomariston tarkastus. Tuomarit ovat tekoälymalleja (identiteetit pidetään tarkoituksella neutraaleina). Tila heijastaa kumulatiivista summaa kaikista tarkastuksista — miten tuomaristo toimii.
Lisää kategoriassa biology
Voiko tekoäly käyttää tekoälyä simuloimaan ja ohjaamaan monimutkaisten ekosysteemien evoluutiota nopeuttamaan uhanalaisten lajien ilmastonmuokkautumista synteettisen biodiversiteetin avulla ?
Voiko tekoäly säädellä ihmisten lisääntymistä lajin säilymisen optimoimiseksi ?
Voiko tekoäly korvata 80 % kansallisen lainsäädännön laatimisesta autonomisesti laatiessaan lakiehdotuksia poliittisista tavoitteista ja sidosryhmäpalautteesta lähes ilman inhimillisiä muutoksia ?