Cardiovasculaire diagnose via gelaatsherkenning: vooruitgang of bedreiging?  

Een nieuw algoritme wil coronaire aandoeningen opsporen uitsluitend op basis van gelaatsfoto’s van patiënten. Het concept, gepubliceerd in de European Heart Journal  moet nog verfijnd worden vooraleer het een klinische tool kan worden. In een begeleidend editorial wijzen onafhankelijke experts op de ethische overwegingen die aangepakt moeten worden vooraleer het systeem gebruikt kan worden.  

Alopecia, xanthelasma en hoornvliesboog zijn een paar van de faciale kenmerken die op een mogelijke slechte cardiovasculaire gezondheid wijzen. Een team van Chinese onderzoekers ontwikkelde een deep learning-algoritme dat het risico op een coronaire hartziekte kan bepalen door vier foto's van het gelaat van een persoon  te onderzoeken.

Tussen 2017 en 2019 rekruteerden onderzoekers 5.796 patiënten die zich in een ziekenhuis aanmeldden voor een coronaire angiografie of coronaire CT-scan. Van elke patiënt werden vier foto's gemaakt: twee laterale profielen, een frontaal en een van de bovenkant van het hoofd met de blik naar beneden. 

De onderzoekers ontwikkelden een deep convolutional neural network -algoritme om de beelden te bestuderen en om het individueel risico op een hartziekte te evalueren. Het werd vervolgens toegepast op 1013 andere patiënten. Het algoritme vertoonde een gevoeligheid van 0,80 en een specificiteit van 0,54. De oppervlakte onder de curve bedroeg 0,730 (95% betrouwbaarheidsinterval: 0,699-0,761), wat hoger is dan de klinische score van het CAD-consortium (0,730 versus 0,652, P <0,001). 

Prestaties voorlopig beperkt 

“Het algoritme toonde prestaties die als matig kunnen worden omschreven. Meer aanvullende klinische informatie verhoogt het prestatieniveau niet, wat betekent dat het gemakkelijk kan worden gebruikt om mogelijke hartaandoeningen te voorspellen op basis van alleen gezichtsfoto's”, zegt onderzoeker Xiang-Yang Ji. “De wangen, het voorhoofd en de neus gaven het algoritme meer informatie dan andere gelaatsdelen. Maar we moeten de specificiteit verbeteren, omdat het aantal vals-positieven tot 46% kan oplopen en angst en ongemak bij de patiënt kan veroorzaken. Bovendien kunnen  ziekenhuizen mogelijk overbelast raken met patiënten voor onnodige onderzoeken." 

Het onderzoeksteam kent de huidige beperkingen van het algoritme en werkt verder aan de ontwikkeling en validatie ervan.

“Voor zover wij weten, is dit de eerste studie die aantoont dat kunstmatige intelligentie kan worden gebruikt om gezichten te analyseren om hartaandoeningen op te sporen", zegt hoofdonderzoeker Zhe Zheng. “Dit is een stap in de richting van de ontwikkeling van een op deep learning gebaseerde tool die kan worden gebruikt om het risico op hart- en vaatziekten te evalueren, hetzij in ziekenhuizen, het door patiënten die 'selfies' maken en zelf aan screening kunnen doen.” 

Ethische aspecten 

Een redactioneel commentaar van twee cardiologen van de Division of Cardiovascular Medicine, Radcliffe Department of Medicine, University of Oxford, erkent dat de potentiële voordelen van dit type AI-ondersteunde diagnose enorm zijn. Professor Charalambos Antoniades en dokter Christos Kotanidis, die niet aan het onderzoek meewerkten, wijzen erop dat hoewel deze technologie nog niet klaar is om te worden ingezet, het wel "een revolutie teweeg kan brengen in de geneeskunde zoals we die nu kennen".

Prof. Antoniades en dr.Kotanidis merken ook op dat er aanzienlijke ethische uitdagingen zijn wanneer deze diagnostische instrumenten succesvol genoeg zijn om op de markt te worden gebracht. Met name de mogelijkheid voor niet-professionals om dit soort privé-gezondheidsinformatie in te zamelen, is bijzonder verontrustend.

Het onderzoeksteam lijkt zich terdege bewust te zijn van deze ethische valkuilen. Zheng zegt dat het oplossen van privacy-problemen van fundamenteel belang zal worden naarmate hun onderzoek vordert en de nauwkeurigheid van het algoritme verbetert. 

U wil op dit artikel reageren ?

Toegang tot alle functionaliteiten is gereserveerd voor professionele zorgverleners.

Indien u een professionele zorgverlener bent, dient u zich aan te melden of u gratis te registreren om volledige toegang te krijgen tot deze inhoud.
Bent u journalist of wenst u ons te informeren, schrijf ons dan op redactie@rmnet.be.