人们经常会犯错误-这几乎适用于任何领域的专业人员和初学者。 药品错误的成本尤其高，错误的诊断可能会导致健康问题甚至患者死亡。 相反，在发现疾病后，正确的诊断可以让您分配正确的治疗方案，这将有助于康复。
人工智能越来越多地用于医学领域。 它有助于发现薄弱的联系并处理大量数据-一个人无法应对这些任务。 其中一项新进展是来自德国，美国和以色列的专家
组成的联合小组的
项目，该
项目可以从人像中揭示出遗传性疾病。
这项工作的作者教导神经网络高度准确地识别遗传疾病-超过91％。 同时，该服务可以作为移动应用程序使用；不需要复杂的设备。
通常，即使对于该领域的专家来说，遗传疾病的诊断也是一项艰巨的任务。 对于很少遇到外来疾病的普通医生来说，遗传疾病的诊断几乎是不可能的。 毕竟，某些具有遗传性质的疾病非常罕见，它们可能在医生多年的实践中并不满足。 但是，识别此类疾病对于患者的健康和生命至关重要。
在特拉维夫大学的亚伦·古罗维奇（Yaron Gurovich）的指导下开发的DeepGestalt面部识别系统使仅使用一张患者照片即可正确诊断数百种遗传疾病。 与许多其他情况一样，在使用AI时，科学家使用了卷积神经网络。 她被教导将图像分成大小为100 * 100像素的小元素。
此外，参考数据库，系统试图根据照片确定患者中是否存在疾病。 诊断是概率性的，显示出匹配数最大的疾病。
科学家从小做起-对神经网络进行了训练，以检测
Cornelia de Lange综合征 。 这是一种遗传性疾病，表现为智力低下和多种发育异常。 该疾病的发病率约为10,000分之一，该疾病以荷兰儿科医生Cornelia de Lange的名字命名，他于1933年对五种疾病进行了分析，描述了该综合征。
该综合征表现为许多内部器官的智力低下和先天畸形。 为了验证疾病识别的可靠性，科学家们使用了成千上万没有该综合征的人的图像。 DeepGestalt能够以97％的准确度进行诊断。 这是一个非常高的指标，因为在其他项目中，准确性不超过87％。
第二阶段是训练神经网络来诊断
Angelman综合征 。 它表现为智力低下，睡眠障碍，癫痫发作，混乱的动作（尤其是手），频繁的笑声或微笑。 这种疾病也称为“欧芹综合症”或“快乐娃娃综合症”。
神经网络已经学会确定的第三种疾病是Noonan综合征，它也以人脸和身体清晰可见的特征形式表现出来。 的确，神经网络只能以64％的精度识别出这种偏差。
此外，DeepGestalt受过训练以识别越来越多的新疾病，直到神经网络能够诊断出数百种不同严重程度的遗传疾病。 培训是根据近2万张照片进行的。 DeepGestalt可以诊断的疾病总数达到216。现在，科学家正在通过将病人（具有诊断出的疾病）和绝对健康的照片上传到系统中来检查神经网络的运行情况。 神经网络的整体准确性达到91％。
开发人员已经为所有人开放了对其产品的访问权限。 该服务称为
Face2Gene ，它是医生的助手。 项目的创建者建议谨慎对待系统做出的诊断，并使用收到的信息作为建议，而不是硬道理。