Lice je jedinstvena oznaka koja daje informacije o dobi, spolu, rasi, svijesti, emocijama i zdravstvenom stanju osobe. Različite bolesti manifestiraju se ne samo kao unutarnji strukturni i funkcionalni poremećaji, već i kroz crte lica i deformacije.
Bolesti koje se manifestiraju na licu uglavnom su endokrini i metabolički poremećaji, genetski sindromi i neuromuskularne bolesti, od kojih su neke složene i rijetke bolesti. Rana dijagnoza i diferencijacija ovih bolesti je neophodna za pravodobna terapija i bolju prognozu. Prepoznavanje tipičnih crta lica dio je tradicionalnog dijagnostičkog puta i uvelike ovisi o stručnosti i iskustvu specijalista.
Tehnologija automatskog prepoznavanja lica pojavila se 1960-ih i koristila se u područjima kao što su sigurnosni nadzor, provjera identiteta, forenzika i provedba zakona. Pionirsko istraživanje aplikacija za prepoznavanje lica na dijagnoza bolesti datiraju s početka novoga stoljeća.
Genetski sindromi u djece i neuromuskularni poremećaji lica bile su prve bolesti otkrivene tehnologijama temeljenim na analizi lica. Posljednjih je godina pojava umjetne inteligencije (AI) utjecala na mnoge aspekte života, a dovela je i do napretka u zdravstvu. Analiza slika u slikovna dijagnostika je najbrže rastuće područje u medicini umjetne inteligencije.
Također je postigao veliki napredak u radiologiji, patologiji, oftalmologiji, dermatologiji i gastroenterologiji. Prepoznavanje lica, kao bitan dio automatske analize slike, pokazuje iznimnu učinkovitost u eri umjetne inteligencije. Broj znanstvenih publikacija u ovom smjeru pokazuje eksponencijalni rast od 2013. godine.
Automatizirana dijagnostika temeljena na prepoznavanju lica postaje jedno od najperspektivnijih novih područja interdisciplinarne medicinske prakse. Ova tehnologija ubrzava proces skrininga i otkrivanje bolesti što dovodi do ranijeg početka sveobuhvatnog liječenja.
U tradicionalnim dijagnostičkim metodama poznavanje rijetkih i složenih bolesti prvi je izazov, posebice za liječnike koji nemaju dovoljno iskustva. Drugi izazov je odabrati prave pristupe kako bi se postigla konačna analiza rezultata. Stoga je učinkovitost tehnologije prepoznavanja lica s umjetnom inteligencijom hipotetski dovela do mogućnosti više uštede vremena i ušteda dijagnostički put s manje empirijskih pogrešaka.
Reference:
1. Kaur P., Krishan K., Sharma SK, Kanchan T. Algoritmi za prepoznavanje lica: pregled literature
2. Kosilek RP, Frohner R., Würtz RP, Berr CM, Schopohl J., Reincke M., Schneider HJ Dijagnostička upotreba softvera za analizu slike lica kod endokrinih i genetskih poremećaja: pregled, trenutni rezultati i buduće perspektive
3. Gurovich Y., Hanani Y., Bar O., Nadav G., Fleischer N., Gelbman D., Basel-Salmon L., Krawitz PM, Kamphausen SB, Zenker M., et al. Identificiranje fenotipova lica genetskih poremećaja pomoću dubokog učenja
4. Wachtman GS, Cohn JF, VanSwearingen JM, Manders EK Automatizirano praćenje crta lica kod pacijenata s neuromuskularnom disfunkcijom lica
