脱发、黄弹瘤（眼睑发黄）和角膜弓（角膜周围的一个不透明的环）是几个面部生物标志物之一，表明一个人可能患有心血管疾病。

基于此，一个来自中国的研究小组现开发出一种深度学习算法，只需要研究一个人的四张照片，就可以确定一个人患冠心病的风险。

在2017年至2019年的两年时间里，研究人员招募了5796名曾在医院接受心脏成像检查的患者。每个病人都拍了四张照片——两张侧面照片，一张正面照片，一张俯视头顶。然后训练一个深度学习算法来研究这四幅图像并评估一个人的心脏病风险。

其算法结果，在另外1000名患者中得到验证：在队列中80％的人中，该算法能够正确检测出心脏病。另外，该算法能准确检测出61％的冠心病患者。这项新研究发表在《欧洲心脏杂志》上。

毫无疑问，这种人工智能辅助诊断的潜在好处是巨大的，这是学界首次证明人工智能可以用来分析人脸以检测心脏病，是朝着开发一种基于深度学习的工具迈出的一步，该工具可用于评估心脏病的风险，无论是在门诊部，还是通过患者自拍来进行自我筛查。

两位牛津大学心血管专家的承认，尽管这项技术还没有准备好投入使用，但这些创新的诊断方法可以彻底改变我们所知的医学。

但研究人员同时表示，该算法的性能一般，精确度远未达到将其推广到临床环境中所需的水平，而且附加的临床信息并没有提高其性能，与其他面部区域相比，脸颊、额头和鼻子为算法提供了更多的信息。毕竟高达46％的假阳性率可能会给患者带来焦虑和不便，而且可能会使诊所超负荷，患者需要进行不必要的检查。

此外，另一个需要考虑的问题是，一旦这些诊断工具可以落地时，将会面临相当大的伦理挑战。特别值得关注的是非医学专业人士收集此类私人健康信息的可能性。敏感的健康记录数据可以很容易地从面部照片中提取出来，这种不必要的传播会使这里讨论的技术对个人数据保护构成重大威胁。

当技术中立受到商业偏好的影响时，往往会给伦理带来冲击。显然，未来临床工具的研究应注意隐私、保险等社会影响，确保该工具仅用于医疗目的。