热点资讯糗百-成人版 上传丁丁照、1分钟看性病，我看不懂的AI应用又多了
在万物均可AI化确当下糗百-成人版，无数公司和个东说念主齐在寻找AI的应用和变现场景。近日，一家好意思国公司便平直将AI和东说念主类最陈旧的本能聚会，推出了一款在线识图应用Calmara.ai。
反差糗百-成人版
这个网站的卖点，就是在短时刻内识别男性生殖器上“性传播疾病”的特征。网站宣称现阶段可限时免费体验，况兼标榜我方主要为女性遐想，预设的使用场景是女性和生分男性“为爱饱读掌”前，快速筛核对方小弟弟的安全性……
图里茄子的图标代表男性生殖器丨calmara.ai/
乍听起来，这似乎一定进程上能缓解特定群体的健康忧虑，但这项“高端工夫”引起的争议却超出了受众群体自己。以致有网友暗意，要向好意思国食物与药品监督贬责局（FDA）举报这种哄骗“伪科学”进行渔利的公司。
网友合计这事和往常“滴血验癌”的骗局有得一拼，以致附上了举报陆续｜linkedin.com/
拍图验性病？背后可没那么节略
推出“拍照验性病”处事的这家好意思国公司名为HeHealth，开发于2022年，Calmara.ai是它们在本年三月份推出的网站器用。
按照官网的说法，Calmara.ai验性病的具体历程如下：在取得男方知情快活后只需节略拍照、上传，一分钟内就能自动得回效率，被测试者是否患有梅毒、生殖器疱疹等性传播疾病即刻便知。网站更是宣称，考据准确率高达94.4%（前些天这个数据如故65%~96%）。
历程听起来超等节略，效率上大大的“Clear”也给东说念主一种安全感丨calmara.ai/
正如前边所说，Calmara.ai主要针对部分女性群体，若是有些男性想要对我方的小弟弟进行更个性化的筛查该奈何办？不慌，网站上存在着多处用于导流的陆续，颠倒恰是母公司HeHealth的网站。HeHealth网站的立场和Calmara.ai如出一辙，齐轻快亮堂，1分钟小弟弟健康速查的“Check Now”按钮至极显眼。
导流颠倒所以男性健康为主题的母公司网站丨calmara.ai/
行动医疗行动的监督者和贬责者，FDA是多样药品、医疗器械和工夫绕不外去的全部坎。字据FDA旧年11月发布的公告，AI项目恰是其监管酌量项目之一，旨在为患者提供安全有用的AI关连的医疗器械，餍足条款的医疗决议援助软件也属于器械的鸿沟。本年3月，FDA还发布了AI关连医疗器械的开发与应用的监管护理点。
图像识别处理、早期会诊等Calmara.ai偶合波及｜fda.gov/
严格酷好上来说，Calmara.ai的应用也曾波及医疗行动。然则搜索FDA的网站后，并未找到任何和Calmara.ai或HeHealth关连的信息。这也标明，幼幼嫩穴这项工夫迄今遣散并未得到FDA的批准。
FDA：不知说念不解了……｜fda.gov/
或然Calmara.ai自己也没缱绻向FDA建议肯求并有朝一日获批。毕竟网站我方也再三强调，我方只是为寰球提供信息，并非提供疾病会诊，也无法代替专科的医疗建议，字里行间齐在和医疗会诊保执距离。
到这里一切基本明了糗百-成人版，该公司推出的“AI验性病”处事，背后大要率是买卖经。
AI识图，到底能不成准确会诊性病？
抛开营销关连的内容不谈，从工夫上来说，AI识图究竟能否在短时刻内给出性传播疾病的准确会诊呢？
谜底当然是辩护的。
性传播疾病（STI）是多种通过性行动传播的疾病的总称，寰球比拟熟知的有梅毒、淋病、利害湿疣、艾滋病等。跟着病情进展，部分STI会在生殖器及左近区域出现典型的皮肤毁伤或分泌物发扬，如利害湿疣的菜技俩赘生物、梅毒的无痛性溃疡、淋病时尿说念口的脓液状分泌物等。
前文提到的公司应该是网罗了包括这些典型特征的男性外生殖器图片对AI进行进修，进而开发出STI的识别器用。
字据寰球卫生组织的数据，性传播疾病（STI）发病率最高的八种病原体是梅毒螺旋体、淋球菌、衣原体、阴说念毛滴虫、乙型肝炎病毒、单纯疱疹病毒、艾滋病毒和东说念主乳头状瘤病毒丨寰球卫生组织官网
然则，即等于进修精良、挑升用于援助松懈STI的AI模子，其单独应用时，准确率也很难让东说念主适意。
AI识别关连疾病的才气，大多局限在外生殖器等部位典型的皮肤毁伤特征。当这些典型特征缺如时，想要给出可靠的会诊就会变得很难题，正如航拍像片难以识别装璜在海面下的冰山。
内容上，STI的大多半感染者早期可能莫得任何症状。在光洁的皮肤下，病原体依然可能在偷偷发展壮大。此时AI识图给出的健康评释，反倒可能让东说念主迟滞警惕、甩掉使用避孕套等性行动的保护方法，进而加多STI的感染风险。
其次，就皮肤毁伤而言，多种疾病可能存在相似的变化，一种疾病也可能存在多种不同的发扬。举例二期梅毒就是著名的效法大师，可能导致的症状包括结节、脓疱、斑疹、丘疹等等，而且不单是局限于外生殖器。
STI的临床会诊需要对血液、体液以致皮肤等组织取样活检，医师不会仅依靠一张像片就下定论。更何况拍照距离、部位特写、皮肤表情、周围环境的亮度等多种身分齐可能影响像片的质地，进而影响评定的可靠性。
《洛杉矶时报》的记者尝试着从好意思国疾控中心下载了一系列STI的典型图片，然后上传至Calmara.ai的网站，部分病例得到了识别，AI给出了“Hold”的警示；但也有一些肉眼可见的男性生殖器病变图片，得到了“Clear”的效率。一位受访的医师更是直言，这个应用的问题着实是太多以至于不知说念从何提及……
看来挑升针对STI的AI有时候也hold不住｜latimes.com
其实不单是是准确性存疑，所谓松懈STI的AI，其像片中包括的个东说念主秘籍信息流露风险，亦然窒碍苛刻的隐患。
虽说该网站标榜匿名口头、无需注册、十足隐去个东说念主信息以及严格的秘籍保护计谋，但上传的像片可能包括拍摄关连的位置、开荒、辘集IP地址等蛛丝马迹，依据像片包含的这些信息进行回首定位，并不是十足不可能。上传的秘籍像片是否会被用于异日的AI模子的进修，亦然值得念念索的问题。毕竟在AI横行的期间，最有价值的就是数据。
网站宣称对数据的保护力度堪比“最严实的地牢”，但……丨calmara.ai/
AI援助皮肤病识别，还在卓越
Calmara.ai这一快速识别STI的AI应用槽点甚多，但不成因此一棒子打死统统基于AI工夫开发出来的医疗识图应用。毕竟推出主张、应用场景、参数建设、论断解读和修订地方不同期，应用的遵循可能大不疏通。
相通以皮肤病的识别为例，在2020年，也曾有学者在《当然·医学》期刊上发表著述，先容了一种基于深度学习（一种AI要领）的皮肤病的辨认会诊模子。
基于深度学习的皮肤病的辨认会诊模子酌量丨Nature Medicine
该深度学习模子的大约旨趣为：网罗皮肤图片和年齿、性别、病史等45种疾病关连的元数据，进奇迹貌迂回和整合；哄骗不同期期确诊的皮肤病病例行动进修集和考据集去改善模子的性能。当构建完成后，只需输入模子所需的图片和元数据信息，即可对皮肤病变进行辨认会诊，并字据会诊的可能性进行排序。
深度学习模子的责任旨趣｜Nature Medicine
由这篇论文也能看出，好的模子不会去标榜我方的节略和快速，反而会要求更多的信息，给出来的亦然会诊的可能性排序，而不是yes、no这种单纯的二元论结局。
肖似的，基于AI的图像识别也在影像学、病理学等中振奋为雄，为医师的会诊提供了真贵援助，在保证会诊遵循的同期也能一定进程上减轻一线医师的责任职守。跟着数据量的积存，医学关连AI也会不停优化、提高遵循。
AI识图注定会在医学和其他诸多领域上演日益迫切的作用，但工夫快速发展、法度尚未成型的时期，多样鱼龙羼杂的新观念和工夫齐会登台亮相，卯足了劲去置换流量和财富。关于咱们平庸寰球而言，如故要擦亮双眼甄别多样AI观念的可行性和可靠性。
使用一张像片摈斥STI的风险虽然是好意思好的愿景，但当今最佳的AI算法也仅能起到援助作用，无法替代专科的医疗意见。有两性健康关连的顾忌和问题，如故要去正规医疗机构就诊，关于容易被恶名化的STI而言，罗致必要的刺眼方法和发现后的积极诊疗才是要津。
参考府上
1.https://www.calmara.ai/
2.https://www.linkedin.com/posts/lumeilingk_calmara-your-intimacy-bestie-for-unprotected-activity-7175369690414821376-3fx0
3.https://www.who.int/zh/news-room/fact-sheets/detail/sexually-transmitted-infections-(stis)
4.https://www.latimes.com/science/story/2024-04-07/calmara-claims-it-can-detect-stis-doctors-say-its-a-disaster
5.https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-software-medical-device
6.https://www.fda.gov/medical-devices/medical-device-regulatory-science-research-programs-conducted-osel/artificial-intelligence-program-research-aiml-based-medical-devices
7.https://www.fda.gov/search?s=Calmara&sort_bef_combine=rel_DESC
8.Liu Y， Jain A， Eng C， et al. A deep learning system for differential diagnosis of skin diseases. Nat Med. 2020;26(6):900-908. doi:10.1038/s41591-020-0842-
9.https://www.fda.gov/search?s=Calmara&sort_bef_combine=rel_DESC
作家：查明明
裁剪：黎小球