ხელოვნური ინტელექტი შეძლებს გენეტიკური დაავადებების ამოცნობას ფოტოებით

[Magdalena]

გენეტიკური დარღვევების უმეტესობა გამოიხატება სახის განსხვავებულ ფენიტიპებად. დარღვევათა ნაწილი საკმაოდ იშვიათია და ამიტომ ხშირად რთულია მათი ამოცნობა ექიმების მიერ. ამრიგად, დარღვევების მქონე პაციენტების დიაგნოსტირება ხანგრძლივია. გენეტიკური დაავადებები მოსახლეობის დაახლოებით 8 %-ს აქვს. 

FDNA -  ეს არის კომპანია, რომლის საქმიანობაც მოიცავს გენომიკასა და ხელოვნური ინტელექტის კვლევას. იგი ცდილობს „შეაგროვოს და გააანალიზოს ადამიანთა რთული ფიზიოლოგიური მონაცემები გენომის გამოსაკვლევად“. კომპანიის მკვლევარებმა შექმნეს სახის ანალიზის სისტემა, სახელად DeepGestalt, რომელსაც შეუძლია გენეტიკური დაავადებების დიაგნოსტირება სახის გამოსახულების მიხედვით. 

საკუთარი ალგორითმის შექმნისთვის კომპანიამ გამოიყენა დაახლოებით 500 ათასი სახის მონაცემი. როდესაც ამ მონაცემთა ნაკრები დაკომპლექტდა, მოცულობით Facebook-ის მონაცემთა ბაზის გარდა ყველა ცნობილ ანალოგიურ ნაკრებზე დიდი აღმოჩნდა.  

მეცნიერებმა შეამოწმეს ალგორითმი და აღმოაჩინეს, რომ  მას შეუძლია მოახდინოს გენეტიკური დარღვევების მქონე ადამიანთა სახეების იდენტიფიცირება იმ შემთხვევაშიც, როდესაც მათი ფოტოები შერეულია სხვა ტიპის დაავადებების მქონე ადამიანების ფოტოებში. მკვლევარებმა ჩაატარეს ორი ტესტი: ერთ-ერთი ეხებოდა „კორნელი დე ლანჟის სინდრომს“, მეორე კი -  „ანგელმანის სინდრომს“. ორივე მათგანი იწვევს კოგნიტურ და მოტორულ დარღვევებს. ორივე ტესტის შედეგად DeepGestalt-ალგორითმმა 90%-ზე მეტი სიზუსტე აჩვენა. 

მორიგი ტესტით მეცნიერები ცდილობდნენ გაეგოთ, შეძლებდა თუ ვერა DeepGestalt - გაერჩია იმავე დარღვევების, ოღონდ სხვადასხვა გენოტიპის მქონე ადამიანთა მცირე ჯგუფი, ნუნანის სინდრომის მქონე ადამიანთა გამოსახულებების დემონსტრირებისას. ამჯერად ალგორითმის სიზუსტემ თითქმის 64%-ს მიაღწია. 

ალგორითმი მუშაობს შემდეგნაირად: სახის გამოსახულების ფოტოს ჭრის რამოდენიმე ნაწილად, აფასებს თუ როგორ შეესაბამება თითოეული მათგანი ამა თუ იმ სინდრომს, შემდეგ აერთიანებს ამ ნაწილებს, რათა განსაზღვროს, რომელი სინდრომისთვისაა დამახასიათებელი მიღებული შედეგები. თუმცა ავტორები აღნიშნავენ, რომ „DeepGestalt-ს, ისევე როგორც ხელოვნურ ინტელექტთა სისტემების უმრავლესობას, არ შეუძლია ახსნას საკუთარი პროგნოზები და არანაირ ინფორმაციას არ იძლევა - სახის რომელმა კონკრეტულმა მახასიათებლებმა განაპირობა კლასიფიკაციის შედეგები“. 

https://hightech.fm/2019/01/12/ai-photo