对面部形学分析算法 (Face2Gene) 在多种人群中识别特雷彻·柯林斯综合征的评估
Jie Han Timothy Sng1, Jonas Jun Jie Hue2, Josep Rubio-Palau3,4
1Discipline of Oral and Maxillofacial Surgery, Faculty of Dentistry, National University Centre for Oral Health, National University of Singapore, Singapore, Singapore.
Orthodontics & craniofacial research
|March 12, 2026
概括
脸2基因 (F2G) 帮助Treacher Collins综合征 (TCS) 诊断,准确率达到93.7%. 然而,F2G对诊断亚洲患者的信心较低,这表明需要更多多样化的培训数据.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在诊断中的应用
- 遗传学和罕见疾病.
背景情况:
- 特雷彻·柯林斯综合征 (TCS) 是一种罕见的面先天性疾病,表现不同.
- 早期识别TCS对于及时的多学科管理至关重要.
- 像Face2Gene (F2G) 这样的深度学习算法提供了从面部图像中改善综合征诊断的潜力.
研究的目的:
- 评估F2G在不同种族Treacher Collins综合征患者的诊断性能.
- 为了比较F2G的白人和亚洲TCS患者群体之间的诊断信心.
- 为了将特定的面部特征与TCS中的F2G诊断精度相关联.
主要方法:
- 分析了127张公开的2D面部图像,这些是特雷彻·柯林斯综合征患者 (白人,中国人,印度人) 的2D面部图像.
- 对每个图像的F2G诊断灵敏度和计算的Gestalt分数的评估.
- 统计分析以将临床特征与F2G诊断分层相关联.
主要成果:
- 对于Treacher Collins综合征,F2G实现了93.7%的高整体诊断准确率.
- 与白人患者相比,F2G在亚洲TCS患者的诊断信心较低 (p<0.05).
- 印度TCS患者 (p<0.001) 患有马拉性低成形较少,但在多维度减少方面没有发现显著的种族差异.
结论:
- Face2Gene是Treacher Collins综合征的一个有价值的诊断工具.
- 建议使用更多样化的非白人数据集来增强F2G,以提高所有人群的诊断确定性.
