Facial Photograph–Based Detection of Dermatochalasis and Assessment of Blepharoplasty Necessity: A Deep Learning–Assisted Approach

几十年来，是否对上眼睑进行手术的决定在很大程度上依赖于医生的观察和患者对症状的描述。这种被称为“睑皮肤松弛症”（dermatochalasis）的疾病，是医学上对上眼睑皮肤过度松弛、下垂的称呼。随着年龄的增长，眼睛周围的皮肤和底层组织会失去弹性，就像被拉伸过多次的橡皮筋一样。这些松弛的皮肤可能会垂落在睫毛上，产生沉重感，导致视觉疲劳，并在某些情况下，物理性地遮挡人的上视野。虽然解决办法是一种被称为“睑板成形术”（blepharoplasty）的常见手术（即切除多余的皮肤），但确定究竟谁需要这项手术在传统上是一个主观的过程。医生会测量脸部的特定距离并判断下垂程度，但这些测量结果在不同专家之间可能会有所不同，而且“需要手术”与“只是看起来很疲劳”之间的界限往往取决于个人判断，而非硬性规则。

在最近的一项研究中，研究人员试图看看计算机是否能让这一决策变得更加一致。他们训练了一种人工智能，具体来说是一种深度学习系统，去观察人们面部的标准正面照片。目标很简单：计算机能否通过观察一张照片，分辨出患有需要手术的松弛皮肤的成年人，与拥有正常、健康眼睑的成年人之间的区别？研究人员从两个来源收集了图像。一组由190名曾到访土耳其一家眼科诊所、且已被外科医生判定为该手术候选人的患者组成。另一组由190名健康的成年人组成，其照片取自公共图库，并经过筛选，显示出没有眼睑下垂的迹象。所有照片都在相似的条件下拍摄，受试者直视前方，表情自然，模拟了医生在常规门诊时可能拍摄的照片。

团队测试了三种不同的计算机模型，每种模型都旨在识别图像中的模式。这些模型被输入照片，并被要求将它们分为两堆：需要手术的和不需要手术的。结果非常一致。在他们测试的所有不同计算机模型中，系统几乎每次都能正确识别出需要手术的患者。事实上，计算机没有漏掉任何一名实际需要手术的患者，准确地标记了全部190名患者。它也正确识别了绝大多数健康个体，在每100例中能正确识别出约98例不需要手术的情况。计算机并非仅仅是在猜测；它学会了识别人类医生所寻找的皮肤松弛的具体视觉特征，并且达到了与顶尖人类专家相匹配的准确度。

该研究最重要的发现之一不仅在于计算机有效，还在于它工作的效率。研究人员比较了三种不同的计算机架构，这些架构本质上是机器处理信息的蓝图。他们发现，这三种蓝图在执行任务时都表现出了同样高水平的准确性。然而，它们完成任务所需的时间并不相同。其中一个模型采用了一种更轻量、更简单的设计，完成任务的速度明显快于其他模型。这是一个至关重要的细节，因为这表明此类系统最终可以在智能手机或医生办公室内的便携式设备上运行，而不需要庞大、昂贵的超级计算机。研究表明，你并不需要最复杂或最强大的计算机来获得正确答案；一个更简单、更快速的工具就能达到同样的效果。

研究人员谨慎地指出，虽然计算机在识别皮肤松弛的视觉特征方面表现出色，但它并不是在取代医生。该系统是基于人类外科医生此前对患者进行的标注来进行训练的。它学会了如何看到专家所看到的特征。研究还强调，所使用的照片是在受控环境下拍摄的，如果照片是在光线较差或角度奇特的情况下拍摄，计算机的表现可能会有所不同。作者认为，这项技术可以作为一种有益的“第二意见”或筛查工具，帮助医生优先安排需要就诊的患者，但它目前还不是最终的决策者。这项工作证明了机器可以从一张简单的照片中学习识别眼周皮肤衰老的细微迹象，从而为引导了几代人进行眼科手术的人类判断提供一种新的、客观的方式。