Kan AI bepaalde ziekten detecteren door naar gezichtsbeelden te kijken ?
Stem nu — lees daarna wat onze hoofdredacteur en de AI-modellen hebben gevonden.
Huidige AI-systemen kunnen suggestieve signalen uit gezichts foto’s halen—veranderingen in textuur, asymmetrie, pigmentatie en subtiele zwelling—die correleren met bepaalde metabole, cardiale en endocriene aandoeningen, maar deze aanwijzingen zijn niet ziekte-specifiek en overlappen vaak met normale variatie of andere aandoeningen. Onderzoeksgroepen hebben matige nauwkeurigheden (vaak 60–80 % AUC) gerapporteerd voor het detecteren van ziekten zoals diabetes, chronische nierziekte of kransslagaderziekte, waarbij gebruik wordt gemaakt van grote datasets en deep-learningmodellen die zijn getraind op tienduizenden gelabelde afbeeldingen. Omdat gezichtsbiomarkers indirect zijn en worden beïnvloed door leeftijd, geslacht, belichting en etniciteit, blijft de technologie experimenteel en is niet goedgekeurd voor klinische diagnose. Het wordt momenteel vooral gebruikt in onderzoeksomgevingen en als aanvullend screeningsinstrument in plaats van een diagnostische standaard.
— Verrijkt 13 mei 2026 · Bron: 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).
Stel een tag voor
Ontbreekt een concept bij dit onderwerp? Stel het voor en de beheerder bekijkt het.
Status voor het laatst gecontroleerd op August 17, 2026.
Galerie
Kan AI bepaalde ziekten detecteren door naar gezichtsbeelden te kijken?
Er bestaan beperkte demonstraties — maar het panel was niet unaniem.
Na afweging van het bewijs concludeerde de jury dat AI een paar ziektegerelateerde gezichtsindicaties kan herkennen, maar struikelt wanneer het met de volledige reeks aandoeningen wordt geconfronteerd—zoals een arts die het handboek kent maar niet genoeg patiënten heeft gezien. De enkele "Bijna"-stem weerspiegelde voorzichtig respect voor de vooruitgang zonder volledige vertrouwen in de nauwkeurigheid in de praktijk. Uitspraak: "AI ziet de signalen, maar knippert nog bij de kleine lettertjes."
After weighing the evidence, the jury concluded that AI can spot a few disease-linked facial clues, yet it stumbles when faced with the full spectrum of conditions—like a doctor who knows the textbook but hasn’t met enough patients. The lone “Almost” vote reflected cautious respect for progress without full confidence in real-world accuracy. Ruling: “AI sees the signs, yet still blinks at the fine print.”
But the data is real.
The Case File
Across 19 sessions, 43 jurors have heard this case. Combined tally: 6 YES · 37 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 — 1 — 0, the panel returns a verdict of BIJNA, with verdict confidence of 80%. The court so orders.
"Specialised AI detects some facial biomarkers for diseases but not reliably across conditions"
Individuele juryverklaringen worden in het oorspronkelijke Engels weergegeven om de bewijsprecisie te behouden.
Wat het publiek denkt
Nee 30% · Ja 30% · Misschien 39% 23 votesDiscussie
no comments⚖ 19 jury checks · meest recent 2 dagen geleden
Elke rij is een afzonderlijke jurycontrole. Juryleden zijn AI-modellen (identiteiten bewust neutraal gehouden). Status toont de cumulatieve telling over alle controles — hoe de jury werkt.