最近、arXivに発表された研究により、顔面表現型分析を通じて臨床診断を支援するフレームワーク「FaceMesh2HPO」が提案されました。このフレームワークは、階層的分類とカスケード特徴除去技術を活用し、顔の特徴をヒト表現型オントロジー（HPO）にマッピングすることで、解釈可能な表現型分類を実現します。研究はFabio Hellmann、Alexander Hustinx、Benjamin D. Solomon、GestaltMatcher Database Consortium、Tzung-Chien Hsieh、Peter Krawitz、Elisabeth Andréによって行われました。
研究チームは、124名の臨床医による10種類の遺伝性疾患（107のHPO用語をカバー）の顔面アノテーションデータと、非症候群対照群の画像を収集し、2D写真から3D顔面メッシュ（478ランドマーク）を再構築しました。このデータを基に、階層的PointNetベースのパイプラインを訓練し、分類をカスケード的に実行しながら無関係な特徴を除去することで、効率的な分類を実現しました。最良のモデルは、3Dメッシュ、顔輪郭、人口統計メタデータを統合したものです。
性能評価では、最良モデルがAUROC値約0.55～0.89を記録しました。特に、HPO階層における親ノード（広い表現型カテゴリ）での性能が高く、葉ノード（具体的で稀な表現型）では精度が低くなりました。外部検証では、疾患間で一般化能力に顕著な差異が見られました。例えば、ある疾患では良好な性能を示す一方、別の疾患では不十分な結果となりました。
研究チームは、階層的モデリングが3D顔面形状を効果的に捉え、オントロジーと連携した分類を可能にする一方で、データの多様性不足と特徴選択戦略の改善が、モデルの堅牢性と臨床現場での実用性を高めるために必要であると指摘しています。現在、稀な表現型用語での性能は限られており、これは訓練データにおける出現頻度が低いことに起因します。将来的には、より多様なデータを収集し、効果的な特徴選択手法を開発することが求められます。この研究は、特にリソースが限られているが初期診断支援が必要な状況において、顔の形態に基づく遺伝性疾患スクリーニングの新たな可能性を提供するものです。コンピュータビジョンとオントロジー知識を組み合わせることで、診断の精度と解釈可能性を向上させる方法を示しています。