Google Research·· 2026-08-17精选AI 评分60
Google Research 提出 PhotoScan：用手机照片估算体成分并预测胰岛素抵抗
Seeing beyond BMI: Estimating cardiometabolic risk with smartphone imagery
AI 导读
Google Research 提出 PhotoScan，一个从普通 2D 手机照片估算体脂率、A/G 比值和 V/S 比值的深度学习框架。模型先在 UK Biobank 的 35,323 条记录上预训练，再用 677 名成人的真实手机照片微调，在 132 人的独立队列中体脂率 MAE 为 2.13，优于智能手表 BIA 的 2.91。
推荐理由
Google Research 用手机照片估算体成分并预测胰岛素抵抗，读者可了解其与 DXA、BIA 的精度对比。
深读指南
适合谁读：关注数字健康、医学影像与机器学习交叉领域的研究人员、临床研究者及技术产品评估者；对体成分估算、胰岛素抵抗早期筛查和无创光学表型分析感兴趣的读者。
研究采用“预训练+微调+独立验证”的三阶段框架，并明确区分了各阶段的数据来源与规模，便于评估其可复现性与泛化边界。
Pre-training ( UK Biobank , N = 35,323)
在独立验证队列中，PhotoScan 的体成分指标与 DXA 的一致性接近，且其预测胰岛素抵抗的 AUROC 接近 DXA，同时优于仅用 BIA 的方案。
the classification accuracy improved to an AUROC to 0.760
作者将 PhotoScan 定位为介于临床 DXA 与可穿戴 BIA 之间的可扩展方案，强调其能提供 BIA 不具备的 A/G 与 V/S 比值。
offering a scalable, non-invasive framework to predict insulin resistance with near-DXA accuracy
局限与前提：该研究仍属研究原型，样本量有限（微调队列 677 人、独立验证 132 人），且验证队列女性比例较高可能影响 A/G 与 V/S 的误差表现；文中未给出外部多中心、多设备或不同人群的评测，也未说明手机拍照条件、隐私与部署成本等实际应用约束。
对照原文阅读来源：Google Research · research.google