Poate AI detecta anumite boli prin analiza imaginilor cu fețe ?

Sistemele AI actuale pot extrage semnale sugestive din fotografiile faciale — modificări ale texturii, asimetrie, pigmentare și umflături subtile — care se corelează cu anumite tulburări metabolice, cardiace și endocrine, însă aceste indicii nu sunt specifice unei boli și se suprapun adesea cu variațiile normale sau cu alte condiții. Grupurile de cercetare au raportat acurateți modeste (adesea 60–80 % AUC) pentru detectarea bolilor precum diabetul, boala cronică de rinichi sau boala coronariană, bazându-se pe seturi mari de date și modele de învățare profundă antrenate pe zeci de mii de imagini etichetate. Deoarece biomarkerii faciali sunt indirecți și influențați de vârstă, sex, iluminare și etnie, tehnologia rămâne investigațională și nu este aprobată pentru diagnostic clinic. În prezent, este folosită în mare parte în cadrul cercetării și ca instrument de screening adjuvant, mai degrabă decât ca standard diagnostic.

— Îmbogățit 13 mai 2026 · Sursă: 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).