Kan AI upptäcka vissa sjukdomar genom att titta på ansiktsbilder ?
Lägg din röst — läs sedan vad vår redaktör och AI-modellerna hittat.
Nuvarande AI-system kan extrahera suggestiva signaler från ansiktsfotografier—förändringar i textur, asymmetri, pigmentering och subtil svullnad—som korrelerar med vissa metaboliska, hjärt- och endokrina sjukdomar, men dessa signaler är inte specifika för en viss sjukdom och överlappar ofta med normal variation eller andra tillstånd. Forskningsgrupper har rapporterat måttliga noggrannheter (ofta 60–80 % AUC) för att upptäcka sjukdomar som diabetes, kronisk njursjukdom eller kranskärlssjukdom, med hjälp av stora datamängder och djupinlärningsmodeller tränade på tiotusentals märkta bilder. Eftersom ansiktsbiomarkörer är indirekta och påverkas av ålder, kön, ljus och etnicitet, är tekniken fortfarande under utredning och godkänns inte för klinisk diagnos. Den används för närvarande främst i forskningssammanhang och som ett kompletterande screeningverktyg snarare än en diagnostisk standard.
— Berikad 13 maj 2026 · Källa: 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).
Föreslå en tagg
Saknas ett begrepp i ämnet? Föreslå det så granskar admin.
Status senast kontrollerad June 24, 2026.
Galleri
Kan AI upptäcka vissa sjukdomar genom att titta på ansiktsbilder?
Begränsade demonstrationer finns — men juryn var inte enig.
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 NäSTAN, 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"
Enskilda jurymedlemmars uttalanden visas på originalengelska för att bevara den bevismässiga precisionen.
Vad publiken tycker
Nej 30% · Ja 30% · Kanske 39% 23 votesDiskussion
no comments⚖ 9 jury checks · senaste för 4 dagar sedan
Varje rad är en separat jurykontroll. Jurymedlemmar är AI-modeller (identiteter avsiktligt neutrala). Status speglar den kumulativa räkningen över alla kontroller — så fungerar juryn.