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 11, 2026.
Galerie
Kan AI bepaalde ziekten detecteren door naar gezichtsbeelden te kijken?
Er bestaan beperkte demonstraties — maar het panel was niet unaniem.
De jury stelde zichzelf voorzichtig onder de indruk, maar hield zich verre van een volledige goedkeuring, waarbij werd ingestemd dat AI een handvol ziektes kan herkennen in bepaalde gezichtsafbeeldingen wanneer de omstandigheden precies goed zijn. Zij vonden dat de technologie meer een veelbelovende trainee is dan een erkende specialist, die slechts een paar tekenen kan lezen zonder nog de hele patiënt te diagnosticeren. Uitspraak: AI kan de mol zien, maar nog niet het hele verhaal.
The jury found itself cautiously impressed but stopped well short of full endorsement, agreeing that AI can spot a handful of diseases in certain facial images when conditions are just right. They felt the technology is more of a promising trainee than a board-certified specialist, able to read just a few signs without yet diagnosing the whole patient. Ruling: AI can see the mole, but not yet the whole story.
But the data is real.
The Case File
Across 18 sessions, 42 jurors have heard this case. Combined tally: 6 YES · 36 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.
"Working AI systems detect limited facial cues for a few diseases under constrained 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⚖ 18 jury checks · meest recent 1 dag 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.
Meer in biology
Kan AI eiwitvouwstructuren voorspellen uit aminozuursequenties ?
Kan AI ontwerpen en implementeren gene drives in wilde muggenpopulaties om malaria binnen een decennium uit te roeien met behulp van AI-geoptimaliseerde CRISPR-constructen ?
Kan AI een stem overtuigend klonen op basis van een 30-seconden sample ?