按住下方图标，点击小程序
免费领取AI学习资料、精选提示词
咱们想搞清楚自己是不是“胰岛素抵抗”，要么得去医院排队抽血，或者去照那个很贵还有辐射的DXA扫描。
今天谷歌研究院刚发布了一个最新AI研究，仅靠手机拍几张照片，就能评估你的代谢健康。
用AI预测预测胰岛素抵抗，无需DXA
两个身高体重一样的人，身体状况可能天差地别。问题就出在脂肪长在哪了。
那种藏在肚子深处，包裹着内脏的脂肪，才是真正沉默的杀手。这玩意跟胰岛素抵抗关系极大，而胰岛素抵抗又是2型糖尿病、心血管病这些大病的温床。
那怎么才能知道自己的内脏脂肪多不多呢？目前最准的办法是去做DXA扫描，就是那种双能X射线吸收法。
但这玩意贵，机器大，一般咱们正常体检根本不会去碰。平时能接触到的，可能也就是智能手表或者体脂秤上的生物电阻抗分析，也就是常说的BIA。
但那个也只能给个大概的体脂率，内脏脂肪的情况完全摸不着头脑。
为了解决这个大难题，谷歌研究员开发了一个叫PhotoScan的深度学习框架。
核心技术说起来不复杂，就是训练AI，让AI学会看二维的照片，然后在脑子里重构出一个三维的身体模型，再从这个模型里估算出各种身体成分的指标。
不光是总的体脂率，还能把你区分成苹果型还是梨型身材，也就是躯干和臀部的脂肪比，甚至连内脏脂肪和皮下脂肪的比例都能给你算出来，这个就有点厉害了。
为了把这套系统训练出来，他们可是下了血本。先是用了英国生物银行里超过35000人的数据，这里面有DXA扫描的真实数据作为标准答案，让AI先学了个大概。
然后又找了几百个真实世界的志愿者，用普通人拿手机拍的照片和视频，对模型进行精细的微调。
最后，再找一个完全独立的、来自旧金山的临床实验小组，用真实的环境去考验这个模型到底灵不灵。
测试数据
结果还真挺能打。单说预测体脂率这一项，PhotoScan的平均误差已经比很多智能手表上的BIA传感器要小了。
关键是，那种区分脂肪分布的能力，是现在市面上绝大多数可穿戴设备根本做不到的。
那我们最关心的，用这玩意预测胰岛素抵抗靠不靠谱呢？文章里给了一组数据，我试着用大白话解释一下。
有个评估模型准确度的指标叫AUROC，数值越接近1越好。
研究人员先用年龄、性别、BMI这些最基本信息做个预测，准确度大概是0.69。
然后在这个基础上，把PhotoScan测出来的身体成分数据加进去，准确度一下就窜到了0.76。
这个提升幅度是相当可观的，已经非常接近直接用DXA扫描数据得到的0.77了。
换句话说，用手机拍照分析，在预测胰岛素抵抗这件事上，效果跟去医院做专业扫描已经差不太多了。
值得一提的是那个叫净重分类指数的东西，这个指标衡量的是，跟只看基本信息相比，加入了新数据后，能把多少人从错误分类里拯救出来。
PhotoScan在这项上的表现也相当亮眼，大幅提升了正确识别风险人群的能力。
不过目前这项技术还处于科研原型阶段，还没有正式落地民用和临床场景，但开辟了一个全新的AI健康筛查方向。
就是把高端的医疗级健康筛查能力，下放给普通大众。让我们不用频繁跑医院，日常随手拍张照，就能提前发现潜伏的代谢风险，守护好日常的代谢健康。
AI 实操交流群找一群同路小伙伴一起进步
企业、高校及渠道合作
热门跟贴