ИИ будет определять возраст человека по глазам

N+1

Группа исследователей предложила в качестве эффективного биомаркера возраста ареал вокруг глаз человека.

Обучив нейросеть на более восьми тысячах изображений человеческих глаз, исследователи представили PhotoAgeClock — программу, которая предсказывает возраст по фотографии глаз с точностью до двух лет. Статья с описанием работы опубликована в журнале Aging.

Внешние признаки не всегда соответствуют календарному возрасту человека, но могут отражать состояние его организма и влияние различных внешних факторов, причем как негативных, так и позитивных: это может быть как курение и злоупотребление алкоголем, так и правильное питание и регулярные занятия спортом. При этом так называемый биологический возраст лучше отражает состояние организма и может быть использован для оценки факторов, влияющих на процесс старения вне различных болезней.

Существующие способы оценки биологического возраста человека достаточно сложны и, в основном, основаны на анализе ДНК. В новой работе исследователи под руководством Евгения Боброва (Eugene Bobrov) из Московского государственного университета и эстонского технологического стартапа HautAI OU предложили оценивать возраст людей по фотографиям ареала вокруг их глаз. Для этого они обучили нейросеть на парах фотографий верхней части лица 8414 людей и их точного возраста. Эффективность работы нейросети затем проверили на других фотографиях: точнее всего система предсказывала возраст по снимкам, на которых было видно уголки глаз. Нейросеть предсказала хронологический возраст человека с точностью до 2,3 года.

Несмотря на то, что предсказывать биологический возраст нейросеть не научилась, исследователи уверены, что эффективное автоматическое определение хронологического возраста может быть полезным для разработки таких систем или улучшения работы оценки специалистами. Кроме того, ученые отмечают, что изменения кожи вокруг уголках глаз может также быть значимым параметрам при оценке старения организма при тщательном анализе.

Анализ больших данных и машинное обучение могут помочь и в предсказании других значимых медицинских факторов. Например, в сентябре американские исследователи выяснили, что предсказать распространение ожирения можно по спутниковым снимках городов: для этого необходимо автоматически оценить инфраструктуру местности.

Источник: N+1

Подписывайтесь на канал «Хвилі» в Telegram, страницу «Хвилі» в Facebook.


Комментирование закрыто.