Google新深度學習模型可利用眼睛外部照片，偵測糖尿病患血糖、血脂狀況

Google研發了一個能從眼睛外部偵測疾病跡象的深度學習模型，該模型從眼睛外部照片，擷取有用的生物標記，偵測糖尿病患者視網膜病變、糖化血色素（HbA1c）升高以及血脂升高等現象，研究人員提到，使用眼睛外部照片作為模型輸入，優勢是減少專業設備的需求，進而增加健康篩檢的各種可能性。

在之前，Google也有進行過類似的研究，不過當時是使用深度學習技術，從眼底（Fundus）照片預測心血管的危險因子，並找出像是慢性腎臟病和糖尿病標記物，也能利用血紅蛋白多寡來偵測貧血。研究人員表示，這類型的工作，都是希望發展出以更小的侵入性，並且更精確也更便宜的方法，來監測和監控疾病。

而Google這項新研究，則是利用更易於取得的眼睛外部照片，對血糖和血脂狀況作出判斷。Google使用遠端糖尿病視網膜病變篩檢計畫145,000多名患者的去識別化資料，訓練一個卷積神經網路，能判斷罹患糖尿病視網膜疾病、糖化血色素（HbA1c）升高以及血脂升高3種症狀。

研究人員以AUC（Area Under Curve）來衡量模型效能，完美模型得分為100％，而隨機猜測得分為50％，目前該模型的預測能力，在模型檢測糖尿病視網膜病變上，AUC為71-82％，糖化血色素升高為67-70％，而血脂升高則為57-68％，研究人員表示，雖然模型還不完美，但成果已經可以協助偵測和量化系統性健康的各項參數。

該模型的應用場景，可以像是糖尿病前期篩檢問卷一樣，利用眼睛外部照片預先篩檢出需要進一步檢測的人們。Google針對這項研究，也進行了偏差評估，包括可解釋性分析，找出對演算法影響最大圖片部分，並且收集美國境內不同地點和人種的資料，以減少演算法存在的偏差。

研究人員提到， 由於只要從眼睛外部的照片，就能夠擷取健康相關的訊號，因此對大量的糖尿病以及其他慢性病患者來說，存在許多潛在影響，不過這項研究在通用性還有很長的路要走，像是繼續研究所需要的圖像品質，並且將應用推廣至已知與未知的慢性疾病患者。