Google PhotoScan 用全身相估體脂：誤差細過研究用手錶，但仲未可以自助診斷
兩張手機相配合身高體重，估算體脂比例同脂肪分布
Google Research 公開咗一套叫 PhotoScan 嘅研究系統，用手機影嘅全身相估算體脂率、軀幹對臀腿脂肪比例，同內臟對皮下脂肪比例。聽落似影兩張相就有部迷你醫療掃描器，但要先講清楚：呢套技術仲係研究原型，Google 冇公布 app、支援裝置、收費或者推出時間，仲唔可以靠佢自行判斷有冇胰島素抗性。
PhotoScan 睇嘅唔止係外形
PhotoScan 會分析正面同側面全身影像，抽出身體輪廓，再連同性別、身高及體重一齊運算。研究團隊先用 UK Biobank 35,323 人嘅 MRI 資料整成正面、側面投影，以 DXA 結果做標準答案訓練 ResNet-50；跟住再用 677 名成人嘅手機影像同 DXA 數據微調。研究收集期間仲會由參加者轉身一圈嘅影片揀出合適畫面，拍攝姿勢同構圖都有控制，效果唔可以直接套落任何隨手影嘅自拍。
佢估算嘅三組數字入面，體脂率最易明；A/G 比例睇脂肪偏向集中喺軀幹，抑或臀部同大腿；V/S 比例就比較內臟脂肪同皮下脂肪。呢套方法比較特別嘅地方，係連兩種脂肪分布都會估算。因為兩個人體重同 BMI 可以一樣，脂肪收埋喺腹部器官附近抑或皮下，代謝風險可以差好遠。普通體重磅同手錶通常只交出一個總體脂估算，講唔到脂肪分布。
圖片：Google Research
只係同指定 BIA 研究原型比較
穿戴裝置常見嘅 BIA，會放微弱交流電經身體，再按電阻、身高、體重等資料推算體脂；水分、皮膚接觸、姿勢同電極面積都會影響讀數。論文比較用嘅亦唔係市面所有手錶，而係建基於 Fitbit Sense 2、配備四線式 BIA 感應器嘅研究原型。所以「準過穿戴裝置」只適用於呢次指定測試，唔足以證明 PhotoScan 贏晒各款手錶、體脂磅同專業 BIA 儀器。
數字本身仍然幾有睇頭。喺 677 人 PhotoBIA cohort 嘅五折交叉驗證入面，PhotoScan 對照 DXA 嘅體脂率平均絕對誤差係 2.15 個百分點，BIA 模型係 2.91，單靠年齡、性別、身高同體重就係 3.44。兩種訊號合併後誤差落到 1.98，反映相片輪廓同電阻數據其實互補。去到獨立嘅 132 人 cohort，PhotoScan、BIA 同合併模型分別錄得 2.13、2.66 同 2.03 個百分點誤差，走勢大致保持到。
圖片：Google Research
胰島素抗性只證明到風險分類
研究再用 132 名參加者、合共 195 次數據，測試體脂分布可唔可以改善胰島素抗性分類。只用年齡、性別同 BMI 嘅模型，AUROC 係 0.692；加入 PhotoScan 指標升到 0.760，加入 DXA 就係 0.773。AUROC 0.760 唔等於診斷準確率 76%，佢量度嘅係模型分辨高低風險個案嘅能力。加入 BIA 後 AUROC 得 0.689，亦解釋到點解脂肪位置可能比一個總體脂數字有用。
呢部分證據仍然薄。胰島素抗性分析只有 132 人，參加者來自三藩市一項 30 星期研究，仲係自願參加付費生活改善計劃嘅一群；研究團隊自己都承認樣本細，而且真係有明顯體重變化嘅人唔多。模型用空腹血糖同胰島素計出 HOMA-IR，再以 2.9 做界線，呢個研究分類唔可以取代醫生評估、驗血或其他臨床判斷。要證明佢啱用於日常篩查，仲要有規模大好多、涵蓋唔同地區同身形嘅外部研究。
圖片：Google Research
身體相片嘅私隱帳未計清
研究參加者有簽同意書，論文話會用去識別化資料做研究，數據同程式碼就等論文獲接納後公開。不過真正產品會唔會喺手機處理、原相會否上傳、保存幾耐、邊個可以取用，Google 全部未交代。全身正面同側面相連同身高、體重及健康風險結果，本身已經係非常敏感嘅資料。PhotoScan 技術方向確實有潛力降低體脂分布分析門檻，但下一步先要睇更大規模臨床驗證，同埋 Google 最終點處理影像資料。
參考來源
- Android Authority — Google built a camera-based tool to estimate body fat more accurately than wearables — original report
- Seeing beyond BMI: Estimating cardiometabolic risk with smartphone imagery — Google Research 官方解說，交代三個 cohort、模型流程、主要結果，同研究原型定位。
- Beyond BMI: Smartphone Body Composition Phenotyping for Cardiometabolic Risk Assessment — 研究論文原文，用嚟核對樣本數、影像輸入、BIA 硬件、誤差、AUROC、限制及數據公開安排。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
