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化的当下，无数公司和个人都在寻找AI的应用和变现场景。近日，一家美国公司便直接将AI和人类最古老的本能结合，推出了一款在线识图应用Calmara.ai。

这个网站的卖点，就是在短时间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，并且标榜自己主要为女性设计，预设的使用场景是女性和陌生男性“为爱鼓掌”前，快速筛查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，这似乎一定程度上能缓解特定群体的健康忧虑，但这项“高端技术”引起的争议却超出了受众群体本身。甚至有网友表示，要向美国食品与药品监督管理局（FDA）举报这种利用“伪科学”进行牟利的公司。

网友认为这事和当年“滴血验癌”的骗局有得一拼，甚至附上了举报链接｜linkedin.com/

拍图验性病？背后可没那么简单

推出“拍照验性病”服务的这家美国公司名为HeHealth，成立于2022年，Calmara.ai是它们在今年三月份推出的网站工具。

按照官网的说法，Calmara.ai验性病的具体流程如下：在取得男方知情同意后只需简单拍照、上传，一分钟内就能自动获得结果，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，验证准确率高达94.4%（前些天这个数据还是65%~96%）。

流程听起来超级简单，结果上大大的“Clear”也给人一种安全感丨calmara.ai/

正如前面所说，Calmara.ai主要针对部分女性群体，如果有些男性想要对自己的“小弟弟”进行更个性化的筛查该怎么办？不慌，网站上存在着多处用于导流的链接，终点正是母公司HeHealth的网站。HeHealth网站的风格和Calmara.ai如出一辙，都轻快明亮，1分钟小弟弟健康速查的“Check Now”按钮格外显眼。

导流终点是以男性健康为主题的母公司网站丨calmara.ai/

作为医疗活动的监督者和管理者，FDA是各种药品、医疗器械和技术绕不过去的一道坎。根据FDA去年11月发布的公告，AI项目正是其监管研究项目之一，旨在为患者提供安全有效的AI相关的医疗器械，满足条件的医疗决策辅助软件也属于器械的范畴。今年3月，FDA还发布了AI相关医疗器械的开发与应用的监管关注点。

图像识别处理、早期诊断等Calmara.ai恰好涉及｜fda.gov/

严格意义上来说，Calmara.ai的应用已经涉及医疗行为。然而搜索FDA的网站后，并未找到任何和Calmara.ai或HeHealth相关的信息。这也表明，这项技术迄今为止并未得到FDA的批准。

FDA：不知道不明了……｜fda.gov/

或许Calmara.ai本身也没打算向FDA提出申请并有朝一日获批。毕竟网站自己也再三强调，自己只是为大众提供信息，并非提供疾病诊断，也无法代替专业的医疗建议，字里行间都在和医疗诊断保持距离。

到这里一切基本明了，该公司推出的“AI验性病”服务，背后大概率是生意经。

AI识图，到底能不能准确诊断性病？

抛开营销相关的内容不谈，从技术上来说，AI识图究竟能否在短时间内给出性传播疾病的准确诊断呢？

答案自然是否定的。

性传播疾病（STI）是多种通过性行为传播的疾病的总称，大众比较熟知的有梅毒、淋病、尖锐湿疣、艾滋病等。随着病情进展，部分STI会在生殖器及周边区域出现典型的皮肤损伤或分泌物表现，如尖锐湿疣的菜花样赘生物、梅毒的无痛性溃疡、淋病时尿道口的脓液状分泌物等。

前文提到的公司，应该是收集了包括这些典型特征的男性外生殖器图片对AI进行训练，进而开发出STI的识别工具。

根据世界卫生组织的数据，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、阴道毛滴虫、乙型肝炎病毒、单纯疱疹病毒、艾滋病毒和人乳头状瘤病毒丨世界卫生组织官网

然而，即便是训练良好、专门用于辅助鉴定STI的AI模型，其单独应用时，准确率也很难让人满意。

AI识别相关疾病的能力，大多局限在外生殖器等部位典型的皮肤损伤特征。当这些典型特征缺乏时，想要给出可靠的诊断就会变得很困难，正如航拍照片难以识别潜藏在海面下的冰山。

实际上，STI的大多数感染者早期可能没有任何症状。在光洁的皮肤下，病原体依然可能在悄悄发展壮大。此时AI识图给出的健康证明，反倒可能让人放松警惕、放弃使用避孕套等性行为的保护措施，进而增加STI的感染风险。

其次，就皮肤损伤而言，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表现。例如二期梅毒就是有名的模仿大师，可能导致的症状包括结节、脓疱、斑疹、丘疹等等，而且不仅仅局限于外生殖器。

STI的临床诊断需要对血液、体液甚至皮肤等组织取样活检，医生不会仅依靠一张照片就下定论。更何况拍照距离、部位特写、皮肤颜色、周围环境的亮度等多种因素都可能影响照片的质量，进而影响评定的可靠性。

《洛杉矶时报》的记者尝试着从美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”的结果。一位受访的医生更是直言，这个应用的问题实在是太多以至于不知道从何说起……

看来专门针对STI的AI有时候也hold不住｜latimes.com

其实不仅仅是准确性存疑，所谓鉴定STI的AI，其照片中包括的个人隐私信息泄露的风险，也是不容忽视的隐患。

虽说该网站标榜匿名模式、无需注册、完全隐去个人信息以及严格的隐私保护政策，但上传的照片可能包括拍摄相关的位置、设备、网络IP地址等蛛丝马迹，依据照片包含的这些信息进行追溯定位，并不是完全不可能。上传的隐私照片是否会被用于未来的AI模型的训练，也是值得思索的问题。毕竟在AI横行的时代，最有价值的就是数据。

网站声称对数据的保护力度堪比“最严密的地牢”，但……丨calmara.ai/

AI辅助皮肤病识别，还在进步

Calmara.ai这一快速识别STI的AI应用槽点甚多，但不能因此一棒子打死所有基于AI技术开发出来的医疗识图应用。毕竟推出目的、应用场景、参数设置、结论解读和改进方向不同时，应用的效能可能大不相同。

同样以皮肤病的识别为例，在2020年，已经有学者在《自然·医学》期刊上发表文章，介绍了一种基于深度学习（一种AI方法）的皮肤病的鉴别诊断模型。

基于深度学习的皮肤病的鉴别诊断模型研究丨Nature Medicine

该深度学习模型的大致原理为：收集皮肤图片和年龄、性别、病史等45种疾病相关的元数据，进行格式转换和整合；利用不同时期确诊的皮肤病病例作为训练集和验证集去改善模型的性能。当构建完成后，只需输入模型所需的图片和元数据信息，即可对皮肤病变进行鉴别诊断，并根据诊断的可能性进行排序。

深度学习模型的工作原理｜Nature Medicine

由这篇论文也能看出，好的模型不会去标榜自己的简单和快速，反而会要求更多的信息，给出来的也是诊断的可能性排序，而不是yes、no这种单纯的二元论结局。

类似的，基于AI的图像识别也在影像学、病理学等中大显身手，为医生的诊断提供了宝贵辅助，在保证诊断效能的同时也能一定程度上减轻一线医生的工作负担。随着数据量的累积，医学相关AI也会不断优化、提升效能。

AI识图注定会在医学和其他诸多领域扮演日益重要的作用，但技术快速发展、规范尚未成型的时期，各种鱼龙混杂的新概念和技术都会登台亮相，卯足了劲去置换流量和金钱。对于我们普通大众而言，还是要擦亮双眼甄别各种AI概念的可行性和可靠性。

使用一张照片排除STI的风险当然是美好的愿景，但目前最好的AI算法也仅能起到辅助作用，无法替代专业的医疗意见。有两性健康相关的顾虑和问题，还是要去正规医疗机构就诊，对于容易被污名化的STI而言，采用必要的预防措施和发现后的积极治疗才是关键。

参考资料

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

本文来自微信公众号：果壳 （ID：Guokr42），作者：查明明，编辑：黎小球