Ваше лицо расскажет о здоровье сердца и почек? Новая нейросеть делает это возможным

Представьте, что вместо ежегодной диспансеризации и сдачи крови из вены вы могли бы просто сделать селфи. Телефон анализирует ваше фото и выдаёт отчёт: уровень «хорошего» холестерина в норме, почки работают хорошо, а вот гемоглобин немного понижен — стоит обратить на это внимание. Звучит как сценарий из фантастического фильма, но учёные из Китая сделали шаг к тому, чтобы превратить эту идею в реальность.

Они создали сложную нейросеть — MedicalFaceFound, — которую обучили на миллионах изображений, чтобы она научилась находить на лице человека невидимые глазу признаки, связанные с внутренним состоянием организма. Речь идёт о биомаркерах — объективных показателях, которые врачи обычно измеряют в лаборатории по анализам крови или мочи. Это уровень сахара, холестерина, различные белки, клетки крови и многое другое. Эти цифры помогают врачам оценить работу органов и систем: сердца, почек, печени.

Новая модель искусственного интеллекта (ИИ) показала, что способна по одной лишь фотографии предсказать значения 62 таких биомаркеров с разной степенью точности¹. Это открывает невероятные перспективы для массового и неинвазивного скрининга — то есть быстрой проверки здоровья без уколов и сложного оборудования. Давайте разберёмся, как это работает, насколько точны предсказания и стоит ли ждать, что скоро мы будем ставить диагноз по фото.

Как это вообще возможно?

Идея о том, что лицо отражает здоровье, не нова. Ещё врачи древности обращали внимание на цвет кожи, отёчность, вид глаз и губ, чтобы судить о состоянии пациента. Бледность могла указывать на анемию, а желтоватый оттенок кожи (желтуха) — на проблемы с печенью. Современная медицина тоже использует эти знания, хотя и полагается на более точные методы диагностики.

Лицо человека — это не просто набор черт, а сложный и динамичный «холст», на котором отражается вся наша жизнь. Оно меняется под влиянием генетики, возраста, образа жизни, питания, стрессов, болезней и даже принимаемых лекарств. Все эти факторы оставляют на лице тончайшие, часто невидимые глазу следы. Искусственный интеллект, в отличие от человека, способен улавливать и анализировать эти микроскопические паттерны. Там, где мы видим просто уставший вид, нейросеть может распознать совокупность признаков: едва заметное изменение пигментации, еле уловимую отёчность в определённой зоне, особенности распределения кровеносных сосудов. Затем она сопоставляет этот уникальный «отпечаток» с огромной базой данных, где такие же паттерны связаны с конкретными цифрами из анализов.

Разработчики MedicalFaceFound подошли к обучению своей модели очень основательно. Процесс состоял из трёх этапов¹:

1. Общее зрение. Сначала нейросеть «посмотрела» более 14 миллионов самых разных изображений из базы ImageNet-22K. Это научило её распознавать базовые вещи: формы, цвета, текстуры, то есть дало ей фундаментальное понимание визуального мира.
2. Фокус на лицах. Затем модель переключилась на датасет из более чем миллиона фотографий человеческих лиц (VGGFace2-HQ). Так она научилась понимать именно структуру лица, его ключевые точки, мимические мышцы и общие вариации внешности людей.
3. Клиническая специализация. На последнем, самом важном этапе, нейросеть обучали на десятках тысяч фотографий пациентов из китайской больницы. Эти изображения были получены в стандартизированных условиях, и у исследователей были к ним реальные медицинские данные. На этом этапе ИИ учился находить связь между едва уловимыми особенностями лиц на фото и конкретными цифрами из анализов этих же людей.

Именно такая трёхступенчатая подготовка, от общего к частному, и позволила модели научиться «видеть» то, что связано со здоровьем. Она не просто распознаёт лицо, а ищет в нём паттерны, которые статистически коррелируют с физиологическими процессами внутри организма.

Что это значит для офтальмологии?

Наш сайт посвящён здоровью глаз, и это исследование имеет к нему прямое отношение. Врачи-офтальмологи знают, что глаза и область вокруг них — это «окно» во многие системные заболевания. Например, ксантелазмы (жёлтые бляшки на веках) могут указывать на высокий уровень холестерина, а изменения на глазном дне — на сахарный диабет или гипертонию.

Исследование MedicalFaceFound подтверждает и расширяет эту концепцию с помощью высоких технологий. Когда учёные попытались понять, на какие именно участки лица «смотрит» нейросеть при оценке разных биомаркеров, они обнаружили кое-что интересное. Оказалось, что для предсказания таких важных показателей, как функция почек (eGFR) и уровень «хорошего» холестерина (ЛПВП), модель уделяла повышенное внимание периорбитальной области — то есть зоне вокруг глаз¹.

Это говорит о том, что кожа век, подглазничная область, возможно, даже цвет склер и рисунок сосудов несут в себе массу информации не только о локальных проблемах с глазами, но и о состоянии сердечно-сосудистой и выделительной систем. Искусственный интеллект оказался способен систематизировать эти признаки и находить в них закономерности, которые пока не описаны в медицинских учебниках.

Это открывает новые перспективы. Возможно, в будущем подобные алгоритмы смогут стать помощниками офтальмологов. Анализируя цифровые снимки глаз и лица пациента, сделанные во время приёма, система могла бы обращать внимание врача на неявные признаки системных заболеваний, которые требуют консультации кардиолога, нефролога или эндокринолога. Это не замена врачебной диагностики, а мощный инструмент для раннего выявления рисков и междисциплинарного подхода к здоровью пациента, где офтальмолог выступает одним из первых и важнейших звеньев.

Что именно нейросеть научилась «видеть» в лице?

После обучения исследователи протестировали модель на нескольких группах пациентов, чьи данные не использовались в тренировке. Они сравнивали предсказания нейросети с реальными результатами лабораторных анализов. Всего оценивалось 62 биомаркера, разделённых на восемь систем организма¹.

Ребёнку 3–7 летПроверить зрение ребёнкуКартинки вместо букв — отдельно для правого и левого глаза. Ориентир, не диагноз.Открыть тест

Результаты оказались неоднородными, но для некоторых показателей — весьма впечатляющими. Лучше всего нейросеть справлялась с предсказанием¹:

• Антропометрических данных: возраст, рост, вес, индекс массы тела (ИМТ). Это довольно ожидаемо, так как эти параметры напрямую отражаются во внешности.
• Показателей работы почек: например, расчётная скорость клубочковой фильтрации (eGFR) — ключевой маркер функции почек.
• Гематологических показателей (крови): уровень гемоглобина (Hb), гематокрит (HCT) и количество эритроцитов (RBC).
• Сердечно-сосудистых маркеров: особенно хорошо модель предсказывала уровень липопротеинов высокой плотности (ЛПВП, «хороший» холестерин).
• Эндокринных показателей: например, уровень гликированного гемоглобина (HbA1c), который отражает средний уровень сахара в крови за последние несколько месяцев.

Например, для таких важных маркеров, как ЛПВП, гематокрит, эритроциты и функция почек (eGFR), модель показала устойчивую и значимую связь между предсказанными и реальными значениями в нескольких независимых группах пациентов¹. В то же время с предсказанием уровня электролитов (натрий, калий) нейросеть справлялась значительно хуже¹.

Важный момент: исследователи проверили, не полагается ли нейросеть на самые очевидные вещи вроде возраста, пола и веса. Оказалось, что даже после учёта этих факторов модель всё равно находила в лице дополнительную информацию, которая помогала уточнить предсказание. Для 43 из 58 проверенных биомаркеров предсказания нейросети давали значимую дополнительную информацию сверх той, что можно получить, просто зная пол, возраст и ИМТ человека¹. Это говорит о том, что ИИ действительно находит более глубокие и нетривиальные связи.

Может ли фото быть точнее генетического анализа?

Один из самых интригующих выводов исследования — сравнение точности предсказаний по лицу с генетическими тестами. Сегодня всё большую популярность набирают полигенные шкалы риска (Polygenic Risk Scores, PRS). Это расчётный показатель, который на основе анализа множества ваших генов предсказывает предрасположенность к тем или иным состояниям, например, к высокому уровню холестерина.

Исследователи сравнили, что работает лучше для предсказания текущего уровня биомаркера: генетика (PRS) или фото лица (MedicalFaceFound). Они взяли данные 111 пациентов, для которых были доступны и генетические тесты, и фото, и реальные анализы¹.

Результат удивил: для 14 из 26 сравниваемых биомаркеров нейросеть, анализирующая фото, оказалась точнее, чем лучшие из доступных полигенных шкал риска¹. Среди этих 14 показателей были такие клинически важные, как ИМТ, уровень «хорошего» холестерина (ЛПВП), гемоглобин и функция почек (eGFR)¹.

Почему так происходит? Представьте, что ваши гены — это заводская инструкция к автомобилю. Она описывает его потенциал: максимальную скорость, тип двигателя, объём бака. Это полигенный тест (PRS). А ваше лицо — это сам автомобиль после нескольких лет эксплуатации. На его состоянии сказались качество бензина, стиль вождения, пройденные дороги, своевременность техобслуживания и мелкие аварии. Фотография лица, или фенотип, отражает не только то, что было заложено «с завода» (генотип), но и всё, что произошло с организмом за жизнь. Она несёт в себе информацию о вашем текущем состоянии, в то время как генетика говорит лишь о врождённой предрасположенности. Именно поэтому для оценки состояния «здесь и сейчас» фотография может оказаться даже более информативной. Эти два подхода не столько конкурируют, сколько дополняют друг друга.

А есть ли от этого практическая польза уже сейчас?

Чтобы доказать, что их разработка — не просто научное упражнение, авторы проверили её в решении конкретной клинической задачи: оценке риска ишемической болезни сердца, а именно — стеноза коронарных артерий (сужения сосудов, питающих сердце).

Они построили три математические модели для предсказания значимого стеноза (сужение ≥50%)¹:

1. Стандартная модель: использовала базовые данные (возраст, пол, рост, вес) и результаты лабораторных анализов на 4 основных показателя холестерина (ЛПНП, ЛПВП, общий холестерин, триглицериды).
2. Базовая модель по фото: использовала те же базовые данные, но вместо реальных анализов холестерина подставляла значения, предсказанные нейросетью по фотографии.
3. Продвинутая модель по фото: использовала базовые данные и предсказания уже 16 сердечно-сосудистых биомаркеров, которые нейросеть «извлекла» из фото.

При тестировании на независимой группе пациентов модели, основанные на фотографиях (вторая и третья), показали точность, сопоставимую и даже немного превосходящую стандартную модель с лабораторными анализами¹. Это значит, что для первичной оценки риска ИБС информация с фотографии может быть не менее полезна, чем базовый липидный профиль из лаборатории.

При этом обнаружился интересный эффект. У многих пациентов с уже диагностированным заболева-нием сердца, которые принимали назначаемые врачом статины (лекарства для снижения холестерина), лабораторный анализ показывал низкий уровень «плохого» холестерина (ЛПНП). Имеются противопоказания, необходима консультация специалиста. Однако нейросеть, глядя на их лица, всё равно предсказывала для них высокий показатель ЛПНП. Авторы предполагают, что ИИ улавливает не сиюминутный уровень холестерина, изменённый лекарствами, а некий долгосрочный «композитный фенотип» — совокупность внешних признаков, накопленных за годы, которые связаны с высоким риском и историей болезни¹. Это делает технологию потенциально ценной для выявления групп риска, даже если их анализы на фоне лечения уже пришли в норму.

В качестве доказательства концепции исследователи даже разработали прототип приложения для смартфона, которое позволяет сфотографировать пациента, отправить снимок на сервер для анализа и получить отчёт с предсказанными значениями биомаркеров. Тестирование на небольшой группе из 110 пациентов в условиях клиники показало, что снимки со смартфона дают результаты, сопоставимые по точности с фотографиями, сделанными на профессиональную камеру¹.

Насколько можно доверять этой новости?

Как и к любой громкой новости из мира науки, к этой стоит подходить со здоровым скептицизмом. У исследования есть сильные стороны, но есть и важные ограничения.

Что внушает доверие:

• Масштаб обучения: Модель тренировали на огромном количестве изображений (более 10 миллионов на разных этапах), что снижает риск случайных совпадений¹.
• Прогрессивная стратегия: Трёхэтапное обучение «от общего к частному» — это передовой и логичный подход в современном машинном обучении.
• Внешняя валидация: Результаты проверяли на нескольких независимых группах пациентов, в том числе из разных больниц, что подтверждает устойчивость модели¹.
• Высокая стабильность: При фотографировании одного и того же человека несколько раз с небольшими изменениями ракурса нейросеть выдавала очень близкие результаты. Это критически важно для практического применения¹.
• Эффективность на малых данных: Модель сохраняла приемлемую точность, даже когда для дообучения на конкретный биомаркер использовали всего 400 примеров¹. Это упрощает её адаптацию для новых задач в будущем.

Что заставляет быть осторожным (ограничения, указанные самими авторами):

• Ассоциация, а не причина: Это самое главное. Нейросеть находит лишь статистическую связь (корреляцию) между пикселями на фото и цифрами в анализах. Она не объясняет, почему эта связь существует. Изменение на лице не вызывает болезнь, а болезнь не обязательно вызывает именно это изменение. Они могут быть следствием третьего, общего фактора (например, возраста, генетики или образа жизни). Поэтому говорить о «диагностике» по фото некорректно.
• Ограниченная популяция: Все участники исследования были китайцами¹. Мы не знаем, будет ли модель так же хорошо работать на людях с европейской, африканской или другой внешностью. Внешние признаки, связанные со здоровьем, могут отличаться у разных этнических групп.
• Контролируемые условия: Снимки делались в больницах, при хорошем освещении, на белом фоне, профессиональными камерами или врачами на смартфон¹. Неизвестно, как нейросеть поведёт себя с обычными селфи, сделанными дома при плохом свете, с макияжем, бородой, в очках или под неудачным углом.
• «Чёрный ящик» ИИ: Хотя исследователи пытались визуализировать, на какие области лица «смотрит» нейросеть (как мы уже упоминали, часто это были зоны вокруг глаз), мы до сих пор не понимаем до конца биологический смысл этих паттернов¹. Методы визуализации, такие как Grad-CAM, лишь подсвечивают важные для модели пиксели, но не объясняют биохимические или физиологические процессы за этим. Сами авторы отмечают, что эти визуализации могут быть артефактом работы модели и их следует интерпретировать с осторожностью¹.
• Небольшой размер некоторых групп: Некоторые группы для проверки были относительно малы (например, 111 или 206 человек), что может влиять на статистическую достоверность отдельных выводов, особенно для менее распространённых состояний¹.

Что делать читателю прямо сейчас?

Новость об этой технологии захватывает, но важно правильно её воспринять. Она не отменяет базовых правил заботы о здоровье.

• Не ищите волшебные приложения. На данный момент нет общедоступных и проверенных приложений, которые могли бы достоверно оценить ваше здоровье по фото. Не доверяйте программам, которые обещают подобное, — в лучшем случае это развлечение, в худшем — введение в заблуждение.
• Сфокусируйтесь на доказанных методах. Лучший способ узнать о своём здоровье — это регулярные профилактические осмотры у врача и лабораторные анализы, если они назначены. Это «золотой стандарт», который технологии пока не могут заменить.
• Используйте новость как мотивацию. Вместо того чтобы ждать появления чудо-технологии, используйте эту новость как напоминание о том, что ваше тело постоянно подаёт вам сигналы. Если вас что-то беспокоит в самочувствии или внешнем виде — это повод не для селфи, а для визита к врачу.
• Заботьтесь о себе в мелочах. Здоровье складывается из ежедневных привычек. Сбалансированное питание, достаточная физическая активность, качественный сон, отказ от вредных привычек и забота о зрении при работе за компьютером — всё это вносит гораздо больший вклад в ваше самочувствие, чем любые будущие технологии. Если вы много времени проводите за экраном и чувствуете усталость глаз, изучите информацию о «цифровой усталости» и простых способах себе помочь.

Частые вопросы

Значит ли это, что скоро анализы крови отменят? Ответ: Нет, ни в коем случае. В обозримом будущем эта технология не заменит лабораторную диагностику. Её стоит рассматривать как инструмент для первичного скрининга: быстрый, дешёвый и неинвазивный способ выделить из большой массы людей тех, кому стоит уделить пристальное внимание и направить на полноценное обследование к врачу. Окончательный диагноз и назначение лечения всегда остаются за специалистом и основываются на точных данных анализов и других исследований.

Могу ли я сам проверить своё здоровье по селфи с помощью этой нейросети? Ответ: Пока нет. MedicalFaceFound — это исследовательский проект. Приложение, которое создали учёные, является прототипом для клинических испытаний и недоступно для широкой публики. Прежде чем подобная технология войдёт в нашу жизнь, предстоит решить множество технических, этических и юридических вопросов.

Нейросеть ставит диагноз? Ответ: Нет. Нейросеть не говорит «у вас диабет» или «у вас больные почки». Она лишь оценивает (предсказывает) уровень конкретных биомаркеров, например, гликированного гемоглобина или креатинина. Интерпретировать эти цифры, сопоставлять их с другими данными и ставить диагноз может только врач.

А если на лице макияж, борода или очки? Ответ: Это очень важный вопрос. В данном исследовании участников просили избегать аксессуаров и убирать волосы с лица, а фотографии делались при стандартизированном освещении¹. Как поведёт себя модель в реальных условиях — с макияжем, густой бородой, в очках, при плохом освещении — неизвестно. Это одно из главных препятствий на пути к массовому использованию и тема для будущих исследований.

Не приведёт ли это к ипохондрии и "цифровой" тревоге о здоровье? Ответ: Такой риск определённо существует. Лёгкий доступ к «диагностике» может спровоцировать у некоторых людей постоянную тревогу, поиск у себя несуществующих болезней (киберхондрию) и ненужные обращения к врачам. Поэтому внедрение таких технологий должно сопровождаться разработкой чётких правил: кто, как и с какой целью может их использовать. Скорее всего, это будут инструменты для врачей или для скрининга под контролем медработников, а не игрушка для самостоятельных проверок.

Это безопасно? Мои фото и данные о здоровье не украдут? Ответ: Это один из ключевых вопросов для будущего применения технологии. В рамках исследования все данные были анонимизированы и защищены в соответствии с этическими нормами. Любое коммерческое приложение, которое будет работать с такими чувствительными данными, как фото и информация о здоровье, должно будет соответствовать строжайшим законам о защите персональных данных. Безопасность и конфиденциальность — главное условие для внедрения подобных систем.

Наш вывод

Исследование MedicalFaceFound — это впечатляющий пример того, как искусственный интеллект меняет подходы к медицине. Оно доказывает, что наше лицо содержит гораздо больше информации о здоровье, чем мы привыкли думать, и эту информацию можно «прочитать» с помощью современных технологий.

Главный потенциал этой разработки — в создании доступных и масштабируемых инструментов для раннего скрининга. Представьте, что в поликлинике или даже в аптеке можно было бы сделать фото и за минуту получить предварительную оценку рисков, которая подскажет, к какому врачу стоит обратиться в первую очередь. Это может быть особенно полезно для людей в отдалённых регионах, где доступ к лабораториям ограничен, или для тех, кто редко ходит по врачам.

Однако важно сохранять трезвый взгляд. Это пока только наука, а не готовый медицинский продукт. Предстоит ещё много работы по проверке технологии на разных группах населения, в реальных жизненных условиях и по решению вопросов безопасности данных. Но направление задано, и оно выглядит очень многообещающим. Возможно, через несколько лет «цифровой чекап» по фото станет таким же привычным элементом заботы о себе, как и измерение давления или шагов на фитнес-браслете. Но даже тогда он будет лишь поводом обратиться к живому врачу, чьи знания, опыт и человеческий подход искусственный интеллект не заменит никогда.