全新人工智能头发分析助力健康研究升级

一款运用人工智能的新应用或许会给科学家研究头发的方式带来革命性变化，还有可能推动仅基于头发的健康诊断手段的开发。

这个人工智能模型加快并精简了头发量化的流程，让显微镜能够一次性扫描载玻片并采集数百根头发的图像。

短短几秒钟内，它就能捕获大量高分辨率的数据，接着运用深度学习算法来处理，此算法会收集每根头发的颜色、形状、宽度和长度。

研究人员用老鼠的毛做了测试，不过它能应用于包括人类在内的任何物种的毛发。

这项应用背后的研究由华盛顿州立大学兽医学院的科学家开展和研发，并在《皮肤病学研究杂志》上发表。

“从很多方面来讲，个人的头发在一定程度上反映着健康状况，要是你像不少头发科学家那样用镊子把它们一根根分开，你能有一些挺有趣的发现，不过你这是在显微镜下手动操作的，”

该应用程序的概念是由华盛顿州立大学分子生物科学研究生贾森·马克卡尔（Jasson Makkar）构思出的，他在德里斯科尔（Driskell）的实验室中承担着为各种专注于头发和皮肤的研究项目手动分离数千根头发这一单调工作。

为了实现这个想法，马克卡尔使用华盛顿州立大学的高性能计算集群 Kamiak 训练了一个人工智能计算机视觉模型来识别头发。在华盛顿动物疾病诊断实验室的 Aperio GT450 显微镜的额外帮助下，头发纤维的高分辨率成像得以自动化。

马克卡尔说，该应用程序具有诸多意义，包括在法医学和头发产品行业，但也许最重要的是让科学家能够通过头发评估一个人或动物的健康状况。

他说，通过确定每个物种中健康头发的纵向数据点，能够为人类医生和兽医创建一个量表，依据头发来评估整体健康状况。不同的情况，比如激素失衡或者营养缺乏，会以能够检测到的方式改变头发生长，并且有可能被用于诊断。

这项新技术不仅能够识别头发所属的物种，还能够揭示人类的年龄、健康状况和种族，这或许有助于刑事调查。

德里斯科尔说：“执法机构存在一种方法，把头发纤维分类当作刑事调查中的法医工具。这种方法在一定程度上存有争议，因为这项工作的大部分是由法医技术人员通过视觉来识别犯罪现场发现的头发类型，而后将它们和所有哺乳动物的有限头发类型数据库进行交叉参考。”

德里斯科尔进一步表示，这项技术不仅使科学家能够以无偏见的方式对头发纤维进行高度准确的相互参照，而且还能生成规模足够大的数据库，以准确量化不同个体甚至不同解剖位置的头发类型。

马卡尔说，使用同样的工具，评估各种头发产品对头发的影响，这是该应用所带来的另一项能力。

“取一小缕头发，将你正在测试的化妆品涂抹在上面，然后用我们的深度头发表型组学工具观察它，看看它是如何变化的，”马卡尔说。