不用扎针、不用让本就贫血的人“雪上加霜”——
用手机拍照就可以检测一个人是否贫血，不知道你听说过没？
今天要介绍的这个研究就是，通过拍摄人的下眼睑照片，AI 就可以有 72.6% 的准确率预测你是否贫血！
哇，晕针晕血的朋友有救了？
等等，AI 验贫血居然是看眼睛？
是的，没错。
正式开始介绍之前，先来两个问题。
Q：首先你知道为什么可以通过拍照识别贫血吗？
A：因为贫血患者的肤色和正常人是不太一样的。
Q：那为什么非要拍下眼睛呢？
A：说来还长……
长话短说！
其实早在 2018 年，就有人有过类似的成功研究。
而当时的方法都是根据人的手掌、指甲或其他身体部位来检测。
问题就来了：
这些区域很容易受到温度变化的影响，诊断结果经常飘忽不定（且不太能推广应用到紫绀型、低血压或轻度低温患者身上）。
而恰好人的眼睛，准确地说是下眼睑，是一个血流量低、黑色素或其他可能影响结果的因素很少的身体部位。
所有，大家的研究方向就转向它了。
如何实现？
首先，研究人员在一家医院拍摄了 142 名拥有不同血红蛋白范围值的患者的下眼睑。
每名患者拍摄 32 张图像，其中 8 张有标准颜色参考，用 RAW 和 JPEG 格式记录有无闪光灯拍摄下的图像。
剩下的 24 张图像是在没有颜色参考的情况下拍的，拍摄时需尽可能靠近结膜以便清晰聚焦，并尽量减少光源的眩光和移动。
然后就是使用 MATLAB 来处理这些图像，先用图像处理算法最大限度地提高它们的颜色分辨率。
接着生成一个数据库，将每个处理后的图像信息与患者的临床数据合并。
再通过算法选出最能代表眼睑颜色的最佳区域（下图左）以及整个有效区域（下图右）进行分析。
最后，将这个区域的 26 种衡量参数（包括平均亮度、红色分量的平均值等，见下表）组成行，其值为列，再填充患者在实验室测出的血红蛋白值组成矩阵，进行逐步回归分析，得出最终的预测模型。
效果如何呢？
目前可做筛查工具，有异常还得再抽血
研究人员随后在 202 名新志愿者以及最开始的 142 名患者身上测试了该模型。
这批人员平均年龄为 53 岁，19-96 岁不等，其中 52% 的测试人员为男性。
他们的血红蛋白浓度范围为 4.7g/dL 至 19.6g/dL（平均 12.5g/dL）。
ps. 女性 < 12.5 g/dL、男性 < 13.5 g/dL 为贫血
首先，对第一期原来的 142 名患者的测试发现，预测模型通过结膜估计的血红蛋白值（HBc）与实验室抽血值（HBl）的相关性图显示：斜率 = 1.07 （斜率 1 = 完全一致）！
不过，研究人员也发现一些问题：
使用闪光灯拍摄的图片会导致 HBc 的误差明显更大；
而右眼和左眼图像之间的没有明显误差；
以及误差主要表现在 HB 值低的时候模型会高估结果，HB 值高的时候又会低估（以 11g/dL 为界）。
因此他们对模型进行了多次改进迭代，包括取两眼的平均值进行预测、不采用闪光灯拍摄等。
最终，使用调整后的预测模型针对新的 202 名志愿者的第二期测试结果显示：
预测准确度 （accuracy）分别为 [男 71.4, 女 73.8]，均值为 72.6%。
预测灵敏度 （sensitivity）分别为 [71.0, 74.6]，均值 72.8%。
预测特异度 （specificity）分别为 [70.8, 74.1]，均值 72.5%。
（灵敏度高 = 漏诊率低，特异度高 = 误诊率低）
另外，图像质量也是影响预测准确性的因素。
但肤色不会影响。
研究人员表示：
基于目前的实验数据，该模型可以先用作贫血的筛查工具，一旦检测出任何异常结果再进行确认检测。
再进行确认检测，意思还得抽血吗……
最后，总而言之，全球有 25% 的人都受到贫血的影响，还是希望这项技术可以早日落地真正走进大众。
先造福医疗设施匮乏的地区、以及为全球疫情下的远程医疗添砖加瓦也是不错的。
另，研究团队来自美国八大常春藤盟校之一布朗大学，相关研究已发表:
