面谱智能推出的旗舰产品——面部成像冠心病多模态在线筛查系统（CADface），是一款基于面部照片的冠心病预测工具，通过识别与冠心病相关的早期特征来判断受试者是否已经患有冠心病或者属于冠心病高风险人群，展现了生产式人工智能模型与迁移学习技术的融合创新。通过深入分析用户的面部照片，该工具能够精准评估冠心病风险。其背后的技术架构涵盖了预训练、迁移学习、推理阶段，以及基于可解释人工智能的模型解析，共同确保了预测结果的准确性与可靠性。 本产品采纳了先进的预训练生产式人工智能策略，通过掩码学习技术对ImageNet-1K的自然图像数据和500万张专业面部照片进行分阶段预训练，实现了从自然图像到专业化面部照片的知识迁移。随后，利用冠心病数据集对模型进行精细微调，完成了从基座模型到专业领域的知识迁移，达到了冠心病风险识别算法的最优性能。
产品的核心技术亮点：
预训练：通过大规模面部照片数据集，使模型掌握面部特征识别与学习能力。
迁移学习：在冠心病风险预测任务中微调模型，显著提升了冠心病识别精度。
推理阶段：对用户的面部照片进行预处理并输入模型，计算出冠心病的概率分数。
可解释性：运用尖端可解释人工智能技术，提高模型透明度，帮助用户理解预测依据。
面谱的这款产品在冠心病风险预测领域展示了卓越的性能，其AUC指标远超现有方法，证明了其在准确性和可靠性上的明显优势。该产品为冠心病的早期诊断和预防提供了一种创新的解决方案，既非侵入式又低成本，并且得益于可解释人工智能算法，增强了用户对冠心病风险评估结果的信任与理解。产品优势：
该产品系统基于面部照片采用深度学习方法来进行冠心病早期诊断及未来患病风险的预测评估。传统的冠心病诊断高度依赖于血管造影、CT以及MRI等技术，然而这些技术高度依赖于医院的大型设备。对于农村等医疗条件缺乏的情况或者是大规模冠心病筛查的场景下，传统的方法存在巨大的局限性。智能手机、云计算等新型技术提供了普通用户也可以便捷的使用各类人工智能为基础的各类应用，如：ChatGPT、图像文字识别、照片及视频中的人脸识别等。当前高清摄像头已经在手持智能设备上普及，比如高分辨率的人脸面部照片的获取只需要一张手机自拍照即可。以往的研究表明人脸中的特征，如：黄斑、秃头、年龄、性别、耳廓折痕等，与冠心病风险存在显著相关性。以视觉变换器（Visual Transformer，ViT）等方法为代表的人工智能方法则可以很好的利用人脸的面部信息，从而有望实现对冠心病的便捷诊断及患病风险的精准评估。其中ViT等方法是近两年提出来的新方法，并且在计算机视觉领域得到极为广大的应用，尤其是其中的Transformer架构更是现在生成式人工智能（AI Generated Content，AIGC）的核心技术。我们结合最新的人工智能技术以及来自医院高质量及高精度标注的冠心病人脸数据集，实现了目前最优的人脸冠心病早期诊断人工智能模型。本项目利用人脸面部照片开发的冠心病患病风险诊断与评估人工智能模型，有望实现中医的“望闻问切”中的“望”来进行冠心病风险的科学评估与计算。目前冠心病现状：
① 每五个因病死亡的人中就有两人归因为冠心病，患病和死亡人数众多。
② 中国冠心病确诊人数呈现逐年增长趋势，患病率和死亡率大幅上升，据推算我国心血管疾病现存患者人数在3.3亿，每10万人中，城市冠心病死亡人数为291.04人，农村为333.13人。中国每年因冠心病死亡的患者人数约为290万人
③ 中国每年确诊的冠心病患者约为1139万人
④ 冠心病呈现年轻化趋势，青壮年人群的发病率上升10.5%
⑤ 冠心病已经成为中国仅次于肿瘤的第二大致死疾病
⑥ 因不良生活习惯、高脂饮食、缺乏运动、压力大、环境污染等因素，冠心病高发人群已经从60岁下探到40岁的中年人群。目前国内冠心病的困难在于：
① 冠心病早期症状轻微或不明显，没有典型症状，容易被忽视
② 缺乏有效的早期筛查方法，目前主要方法有心电图、超声心电图、心脏 CT、造影等，但这些方法不利于大规模筛查应用，难以社区化推广
③ 疾病诊断困难，其症状早期不明显，易于混淆，尚没出现一种便捷的检测方式
④ 筛查成本高，心脏CT、造影等检查成本高，有创伤或副作用高，也不是所有医院都能提供
⑤ 容易错过疾病防治黄金窗口期，发展到中后期致死率高。
基于以上现状和困难，通过通过冠心病风险识别模型来进行人脸冠心病检测，极大提高冠心病筛查效率，挽救人民的生命，并有效遏制冠心病死亡率的上升。
