相面——一个大家就算不熟也肯定没少听过的“技术”，都说相面可以看出人的富贵、运势之类的，这个奇点糕不太懂，不过，从科学的角度来看，“面相”倒是能够判断健康情况呢。
在最近的《欧洲心脏杂志》上，清华大学和协和医学院的研究人员发表了他们的最新研究成果[1]，他们开发了一种算法，用人工智能分析头顶、正面和两个侧面的四张自拍照，进行心脏病筛查，这种筛查的敏感性达到80%，特异性为54%。这是首个证明了，可以通过深度学习分析人的照片来检测冠状动脉疾病的研究。
在过去的研究中，研究人员们陆续发现了一些和冠状动脉疾病风险增加有关的面部特征，例如脱发、白发、皱纹、耳垂折痕、*斑（*色的胆固醇沉积在皮肤下，通常在眼睑周围），以及角膜弓（脂肪和胆固醇沉积，呈朦胧的白色，灰色或蓝色不透明环状，位于角膜的外边缘）[2-4]。
正常耳垂和有折痕耳垂的对比（图片来自mountsinai.org）
它们具有预测冠状动脉疾病的潜力，但是因为特征类别少，缺乏明确的定义和可量化的严重程度等级，以及可重复性差等问题，通过面部特征对冠状动脉疾病进行筛查一直无法实现。不过，人工智能的出现，就让它变得有可能了。
在这项新的研究中，研究人员开发了新的算法，参与研究的志愿者来自中国北京、湖北、江苏、辽宁、上海和浙江的9所医院。
研究分为两个阶段，第一阶段中，从其中8所医院招募了人，随机将其中的90%分为训练组，10%分为验证组，对算法进行训练和验证，接受过经皮冠状动脉介入治疗（PCI）和冠状动脉搭桥术（CABG）的、患有先天性心脏病等其他类型心脏病的，以及进行过整容手术的患者都被排除在外。第二阶段为正式的测试阶段，包含了9所医院的名志愿者。
算法的开发和验证
对比的金标准是根据冠状动脉造影或冠状动脉计算机断层扫描血管造影（cCTA）确定至少有一条主要冠状动脉出现≥50%的狭窄，狭窄程度是由两位放射科医生独立评估的，如果评估结果差异大则由第三位放射科医生复评。
通过对头顶、正面和两个侧面的四张照片进行分析，研究人员得出新算法在验证组中的曲线下面积（AUC）为0.，在测试组中为0.。使用敏感性最高的几个点，算法的敏感性和特异性在验证组和测试组中分别为80%，61%和80%，54%。在有典型心绞痛症状和冠状动脉疾病风险因素较多，＜60岁或更复杂病变的患者中，算法的敏感性更高，且无性别差异。
他们还尝试对照片的不同位置进行遮盖，发现，遮盖脸颊时，算法的AUC下降最大，其余依次是前额、鼻子、眼睛、嘴巴、耳朵和下巴，这说明脸颊部分所能提取到的与冠状动脉疾病有关的信息是最多的。
遮盖不同位置对算法AUC的影响
研究人员表示，他们的算法有两种潜在的应用场景。
第一，在医院等专业机构应用于诊断前的预测。目前冠状动脉疾病的诊断金标准是冠状动脉造影，但它是一种有创的检查方法，且费用较贵，还有术中及术后的并发症风险，因此，进行先行预测，是提高诊断阳性率，减少过度医疗的有效手段。
之前使用的一些预测模型，例如年发布的根据年龄、性别和胸痛类型进行判断的Diamond-Forrester模型已经有些过时，且模型的建立是基于欧美人群数据，不一定具有普适性。研究人员认为基于新算法的人工智能或许能够替代传统模型，进行诊断前的预测。
第二，在社区中应用于高风险人群的早期筛查。新的算法可以开发为移动应用程序，进行简单的早期筛查，有问题的人可以尽早就医。
图片来自pixabay.