华尔街日报报道说，研究人员正在训练计算机算法，以努力快速发现疾病和加快治疗速度。

在约翰霍普金斯医院，被怀疑患有中风的病人可能会收到医生提出的一个很奇特的请求： 我们可以拍摄你的脸吗？

医生们是想通过面部特征来识别中风患者，而不是等待大脑扫描或血液测试，从而帮助加快治疗和康复。

约翰霍普金斯大学的团队正在训练一种计算机算法，以识别患者特征的变化，如某些面部肌肉瘫痪或不寻常的眼球运动，这可能表明中风对大脑的损害，而不是癫痫发作、严重偏头痛或焦虑症。

中风（脑卒中，英文：Stroke）是一种严重的医疗状况，通常是由于脑部供血中断或减少而导致的。脑部的血管可能因为堵塞或破裂而发生问题。由于脑细胞得不到足够的氧气和营养，可能会在短时间内受损甚至死亡。

“脸部可能是宇宙中最复杂的信号系统之一，”约翰霍普金斯大学医学院精准医学主任，兼信息学、整合和创新部门主管罗伯特·大卫-史蒂文斯说。”也许我们可以实际测量正在发生的事情，然后利用先进的分析技术和人工智能来处理大量的信息并产生新的见解。”

同时，麻省理工学院的其他研究人员，正在研究用面部识别来诊断肌萎缩性侧索硬化症（ALS）的进展，这是一种影响肌肉的退化性神经疾病。而一家位于佛罗里达州的初创公司已经开发出一种工具，通过分析儿童的面部特征图像，来帮助儿科医生诊断罕见的遗传病。

一些医学专家说，这些技术还不能被广泛使用，除非医生和他们的病人已经能够评估面部识别算法如何利用病人的数据作出决定，这样人类能够更好地信任他们的结果。

早期的研究工作指出，在未来，也许嵌入智能手机摄像头甚至浴室镜子中的面部扫描，可能会监测我们的一般健康状况，同时发现长期神经系统疾病的迹象，如痴呆症。

一些研究人员认为，算法甚至可以通过检测一个人面部的变化，来跟踪治疗或药物的效果。

波士顿科学公司(Boston Scientific)的首席医疗官肯·斯坦恩说：”问题是让人们根据数据采取行动，并信任这些数据。”

这家生物医学公司在其心脏监测器中，使用人工智能算法来预测一些病人的心衰风险。

到目前为止，人工智能在医学上最成功的应用，是当医生使用人工智能软件程序来解释图像——例如X射线或其他类型的扫描，医生可以立即说他们同意或不同意程序的结果，斯坦恩博士说。在这些情况下，人工智能充当了医生诊断的备份。

“如果做了一大堆，你就会知道你是否可以信任它，”斯坦恩博士在谈到X光图像分析时说。

他指出，随着人工智能处理有多种原因的健康状况——-如心脏病、癌症或痴呆症，开发算法的计算机科学家将不得不与医生密切合作，解释人工智能如何做出导致诊断。

面部识别技术最早开发于20世纪70年代初，20世纪90年代初，麻省理工学院的一个团队将面部图像转化为一系列计算机可以理解的数字，面部识别技术就此起飞。

近几十年来，五角大楼资助的改进面部识别技术的研究，已被警方广泛采用，以识别犯罪嫌疑人。然而，民权团体担心一些面部识别程序是有偏见的，因为在识别深色皮肤的人方面不太准确，导致错误逮捕。Facebook在2021年关闭了面部识别程序，理由是担心用户的隐私。

尽管有这些担忧，研究人员还是希望利用人工智能在中风和其他神经系统疾病发生前，识别出风险的迹象，并在事件发生后进行诊断。

当病人发生中风时，流向大脑的血液被阻断，这可能破坏或损害大脑区域，包括那些控制记忆、语言和各种面部肌肉的区域。

史蒂文斯博士说：”我们能否利用面部作为一种可解码的窗口，来了解身体内部发生的情况？”

在约翰霍普金斯大学的研究中，当已经入院或刚到医院的病人被怀疑发生了中风时，研究人员会拍摄视频图像。

这些视频被上传到一个数据库，用来训练算法。研究人员在初步研究中招募了计划中的400名患者中的约120名，并希望训练中风检测算法以提高其准确性。

在对40名已经被医生诊断的患者进行的初步研究中，算法在诊断患者是否患有中风方面的准确率为70%。

史蒂文斯博士说，团队还通过分析定向光源如何从他们的脸部皮肤上反射，来检查一个人的生命体征，如血压和心率，皮肤表面下的血液流动而会因为这些因素略有变化。

“每个人的脸，实际上都在以非常难以察觉的方式进行颜色振荡，这可以用相机检测出来，”史蒂文斯博士说。”使用一个非常简单的算法，你可以推断出心率，你可以推断出这个心率有多规律，血液中的氧气含量，甚至推断出血压。”

位于佛罗里达州的生物技术公司FDNA已经开发了一个软件程序，旨在利用面部识别来诊断幼儿的罕见遗传病。Face2Gene平台允许医生将病人的面部扫描图，上传到一个智能手机应用程序中，然后就图像是否可能表明与面部特征相关的1500种疾病或综合症之一获得建议。这个平台有47000个用户，包括遗传学家、神经学家、儿科专家和研究人员。

FDNA说，这样做的好处是更早的发现问题。

在波士顿，麻省总医院和麻省理工学院的研究人员，正在使用面部识别来识别和跟踪ALS，这是一种渐进的神经退行性疾病，影响大脑和脊髓的神经细胞，导致肌肉退化，影响运动、语言和最终呼吸。

这个团队正在与EverythingALS合作，EverythingALS是一个非营利性的患者团体，是为加快诊断方法和潜在的疾病治疗而设立的基金会的一部分。这个小组是英杜·纳瓦尔的心血结晶，她是一位科技企业家，追求更快的ALS诊断是她个人的追求。

早在2016年，她的丈夫彼得·科恩，一位前亚马逊高管，感到自己的脚踝变得无力，行走有些困难。一位脊椎按摩师让他去看神经科医生，后者让他等待，看看它是否会消失，或者是病毒感染的结果。

“我们花了两年时间才得到诊断，”纳瓦尔女士说。”他的病情继续恶化，我们被告知让我们等等看。

纳瓦尔说，科恩最终被诊断出患有ALS，并于2019年去世，享年52岁。

在他生命的最后几周，纳瓦尔和她的丈夫谈论了如何通过成像技术和人工智能改善ALS的诊断。她甚至拍摄了他的行走过程，希望能了解这种疾病的进展情况。

与EverythingALS合作的麻省理工学院生物工程教授欧内斯特·弗兰克尔说：”我们希望找到更好的方法来测量症状，以及更好的方法来判断药物是否有效。”

弗兰克尔博士和他的同事已经开发了一种算法来分析ALS患者的视频，以跟踪面部运动，测量嘴唇之间的空间（可能诊断的早期指标）和语言模式的变化，小组在过去18个月里招募了1000名志愿者，正试图确定人工智能是否能分辨出，被批准用于治疗ALS症状的三种药物中的一种是否有效。

弗兰克尔博士说，尽管早期结果很有希望，但今天人工智能的使用更像是一种工具，而不是一种治疗方法，”早期诊断是艰难的，但有强有力的证据表明其最终会发挥作用”。