好醫師新聞網記吳建良／整理報導
圖 1：預測關鍵指標的視網膜影像。
視網膜影像的神經網路能提供不只是老年黃斑部病變的資訊。一項採用 30 萬名病患的 Google 研究顯示：視網膜影像的 AI 模型不依靠臨床知識建立，而是從資料中學習規則，就能預測病患的年齡、性別、血壓、吸菸狀況、糖尿病控制 (透過糖化血色素得知) 及重大心血管疾病的風險 (圖 1 )。
AI 還能善加利用社群媒體上的照片預測人們的心理健康狀態
連 Instagram 上的照片也能透露出有趣的資訊而被 AI 捕捉到。2017 年，Andrew Reece 和 Christopher Danforth 使用深度學習，並採用了 166 人在 Instagram 上的 43,950 張照片 (他們在線上同意分享)，其中有 71 人有憂鬱症病史。許多你想像得到和想像不到的照片特徵，他們都做了心理分析，包括照片中是否有人、場景是在室內或室外、夜晚或白天、按像素分辨色彩和明亮度、照片得到的留言和按讚數、使用者發文的頻率等。Instagram 照片可以區分出憂鬱和健康的人，也能在進行臨床診斷之前就診斷出憂鬱症，而且與使用者對自我心理健康的評估無關聯性。值得注意的是，Instagram 中能消除色彩的濾鏡功能超乎預期地更能區分憂鬱與健康的個體 (如圖 2 )。機器偵測憂鬱症的準確度為 70%。
圖 2：憂鬱與健康人士使用 Instagram 濾鏡的情形，長條圖代表頻率觀察值與期望值之間的差異。
作者介紹：
Eric Topol 是世界著名的心臟科醫師，克里夫蘭勒納醫學院（Lerner College of Medicine）創始人，任職於斯克里普斯研究中心（Scripps Research），也是十大被引用文章數最多的醫學研究人員之一。 除本書《AI 醫療 Deep Medicine》外，另著有《The Creative Destruction of Medicine 》、《The Patient Will See You Now 》兩本醫療暢銷書，均獲 Amazon 4.5 顆星評價。
