AI и симметрия лица: алгоритмы, которые оценивают красоту

Я — Зимин Дмитрий Александрович, заведующий отделением пластической хирургии клиники КЛАЗКО. Пациенты всё чаще спрашивают меня, как именно искусственный интеллект оценивает симметрию и можно ли доверять таким алгоритмам. И за этим всегда слышен второй вопрос: «А вы сами этим пользуетесь?».

ИИ-инструменты проникли практически в каждую сферу жизни, в этом контексте интерес пациентов понятен. Трендом этого года в соцсетях на Западе и в России стали «калькуляторы пропорций лица», которые могут якобы объективно оценить привлекательность на основе строения костной структуры.

О популярности таких инструментов говорит и то, что их советует зарубежный Vogue для подбора идеальной челки к определенной форме лица. Вариантов использования ИИ для стандартизации красоты – сотни, но и вопросов появляется не меньше. Насколько бы вы доверяли этим результатам? И насколько этично то, что обученный на «идеале» ИИ судит внешность людей?

Важно сразу обозначить позицию. Я внимательно слежу за развитием AI, анализирую новые решения и постепенно интегрирую их в работу, но не «падаю в омут с головой». Для меня искусственный интеллект — это инструмент, а не заместитель хирурга. Он может усилить наше видение, но не заменить ни клинический опыт, ни ощущение красоты, ни живой диалог с пациентом.

В этой статье я разберу, как устроены современные подходы к морфометрии лица, где AI действительно помогает, а где его возможности ограничены — в том числе из моего практического опыта.

Где AI уже работает в клинике: организационный и медицинский контур

Работа любой медицинской клиники состоит из двух больших компонентов:

1. Организационная часть — всё, что связано с маршрутом пациента.

2. Собственно медицинская часть — диагностика, планирование, операции, реабилитация.

Организационный контур: AI как помощник «за кулисами»

Именно здесь искусственный интеллект уже чувствует себя довольно уверенно:

• реклама и отслеживание пути пациента;

• момент, когда пациент впервые «касается» клиники — заявка, звонок, мессенджер;

• автоматические уведомления, рассылки, напоминания;

• анализ базы данных, подбор коммуникации;

• генерация и структурирование текстов.

Всё, что можно автоматизировать без ущерба для безопасности, — разумно отдавать алгоритмам. Это экономит время команды и позволяет больше внимания уделять самому пациенту. Иногда результат работы AI в этой сфере действительно превосходит ожидания и по скорости, и по удобству.  Яркий пример – исследование о прогнозировании осложнений при реконструкции груди с помощью модели машинного обучения, где точность ИИ составила 97%.

Медицинская часть: аккуратная интеграция

Во врачебном блоке AI внедряется гораздо аккуратнее:

• помощь в оформлении медицинской документации;

• элементы анализа в медицинской информационной системе;

• подсказки и автоматизация рутинных операций с данными.

Но ключевое — диагностика и принятие клинических решений — по-прежнему остаётся за врачом. В операционной, где я реализую программы преображения, искусственный интеллект может быть только аналитическим помощником, но не тем, кто «решает, как красиво».

Оценка эстетики: от субъективного взгляда к математическим моделям

Оценка эстетики человеческого лица веками оставалась областью субъективного восприятия и опыта врача. Однако слияние машинного обучения (ML) и компьютерного зрения (CV) перевело этот процесс в плоскость точных математических расчётов.

Сегодня алгоритмы не просто распознают лицо, но и дают количественную оценку симметрии и пропорций, становясь инструментом для планирования прежде всего в пластической хирургии и эстетической медицине.

При этом важно понимать: ни один алгоритм не превращает хирурга в «инженера, который просто загружает фото пациента в программу и следует её подсказкам». В реальной клинической практике всё начинается не с модели, а с беседы: понять, что хочет пациент, что я могу ему дать, совпадают ли наши представления о красоте.

Появление AI в эстетике

Российский рынок эстетической медицины — один из самых быстрорастущих в мире. Пластическая хирургия, лазерные и аппаратные протоколы (вроде SMAS-лифтинга или RF-микронидлинга) давно превратились в инженерные, высокотехнологичные дисциплины.

Но до недавнего времени принятие решений держалось почти полностью на субъективном опыте хирурга или косметолога.

Сейчас в РФ стремительно внедряются цифровые инструменты, цель которых — стандартизировать диагностику и прогнозирование:

• AI-сканеры кожи (Skin Analysers), которые автоматически определяют текстуру, поры, пигментацию и возрастные изменения.

• Софт с распознаванием ключевых лицевых ориентиров для построения морфометрических карт.

• Нейросети для объективного сравнения фотографий «до/после».

• CAD-программы (3D-симуляторы) для предоперационного планирования ринопластики и аугментации подбородка.

Я не считаю эти инструменты заменой клинического взгляда, но вижу в них дополнительный аналитический слой. Особенно там, где нужно наглядно объяснить пациенту морфологию его лица.

Симметрия лица в «инженерном» смысле

Для алгоритма лицо — это набор лицевых ориентиров (landmarks) с конкретными координатами. Современные модели способны детектировать от 70 (классический Dlib) до 468 точек (MediaPipe FaceMesh) на лицевой поверхности, картируя контуры челюсти, бровей, носа и губ.

Симметрия в этом контексте — это не идеальное совпадение, а сравнение правой и левой половин относительно центральной оси.

Морфометрические показатели, которые реально используются в планировании коррекций:

• расстояния между ориентирами (например, от угла глаза до угла рта);

• углы (носогубный угол, угол глазной щели и др.);

• вертикальные пропорции (соотношения верхней, средней и нижней третей лица);

• индекс асимметрии — числовое выражение степени отклонения.

В практике пластического хирурга морфометрия использовалась и до AI, просто расчёты были «ручными». Алгоритмы сделали этот процесс более структурированным и наглядным.

При этом важно помнить: асимметрия — это норма. Абсолютно симметричных лиц не существует, и небольшие асимметрии часто воспринимаются как признак индивидуальности. Задача AI — зафиксировать значимые отклонения, а не выровнять человека под некий идеализированный шаблон.

Как AI «видит» лицо: этапы анализа

Процесс машинного зрения, который позволяет получить количественную оценку, условно делится на несколько шагов.

1. Детекция лица

Первый шаг — определить местоположение лица на изображении. В России широко используются модели на базе MediaPipe, MTCNN, RetinaFace. Все они работают по принципу свёрточных нейронных сетей (CNN), определяющих bounding box — ограничивающий прямоугольник лица.

2. Landmark detection

Нейросеть предсказывает точные координаты ключевых точек:

• open-source модели (например, MediaPipe FaceMesh — 468 точек) для базового анализа;

• собственные модели клиник, адаптированные под особенности славянского типа лица;

• коммерческие skin-анализаторы (часто китайские или корейские) с встроенными алгоритмами CV.

3. Нормализация и построение средней плоскости

После детекции точек изображение нормализуется (коррекция поворота, масштаба). Чаще всего система выравнивает лицо по линии, соединяющей зрачки, и строит Midline (центральную ось) по классическим морфометрическим правилам — это база для дальнейших вычислений.

Как считаются показатели симметрии: методы и метрики

Классические инженерные методы

Наиболее понятный подход:

1. Отражение левой половины лица.

2. Наложение отражённой половины на реальную правую.

3. Расчёт RMS-ошибки (среднеквадратичного отклонения) между соответствующими точками.

Результат часто визуализируется в виде тепловой карты отклонений. Такой подход используют, например:

• для оценки асимметрии улыбки;

• при планировании коррекции формы подбородка и линии челюсти;

• для анализа возрастных изменений (насколько асимметрично «плывёт» овал лица).

ML-подходы

Более сложный путь — глубокое обучение:

• CNN/Transformers обучаются на больших датасетах, где эксперты заранее оценили степень асимметрии;

• модели, изначально разработанные, например, для оценки паралича лицевого нерва, могут адаптироваться под задачи эстетики — анализа патологической асимметрии.

В итоге мы получаем числовой балл асимметрии, который можно использовать как ориентир, но не как единственный критерий принятия решений.

AI и «оценка красоты»: что происходит на самом деле

AI не «понимает» красоту как философскую категорию. Он решает задачу, которая в технической литературе называется Facial Beauty Prediction (FBP) — предсказание средней оценки привлекательности, которую ставили люди-волонтёры.

Для FBP используются CNN-модели (ResNet и др.) с регрессией, обученные на датасетах с человеческими оценками/ В этом случае нужно отметить, что выборка популярного набора данных SCUT-FBP5500 составила 60 человек со средним возрастом 21,6 лет.

Датасет был создан Южно-Китайским технологическим университетом. В базу входят 5 500 изображений лиц анфас, принадлежащих представителям разных рас, полов и возрастов. Волонтеры ранжировали фотографии по пяти уровням –  от «крайне привлекательный» до «крайне непривлекательный».

SCUT-FBP5500 используется минимум в 20 научных работах не только китайских, но и европейских ученых. При этом 4 000 тысячи лиц на фото из 5 500 – принадлежат людям с азиатской внешностью. Остальные – с европейской. Насколько валидны такие данные для оценки привлекательности? Вопрос открытый.

На практике в РФ это чаще выражается не в «оценке красоты в баллах», а в следующих сценариях:

• AI skin-анализаторы (Meicet, Observ и др.), которые оценивают поры, морщины, пигментацию, текстуру кожи — это количественные, а не эстетические метрики.

• FaceMesh / Dlib-landmarks — для оценки симметрии губ, скул, нижней трети.

• 3D-симуляторы (VECTRA, Crisalix) — для моделирования результата ринопластики и ментопластики.

• Автоматическое сравнение «до/после» по морфометрии.

И здесь важно сделать практическую ремарку.

Где моделирование оправдано, а где — опасно

В своей работе я действительно считаю 3D-моделирование важной частью планирования:

• при ринопластике;

• при ментопластике (пластике подбородка).

Это выступающие костные структуры, их геометрия более предсказуема. Моделирование помогает понять, как изменение высоты спинки носа, положения кончика или проекции подбородка скажется на лице в целом.

Но когда речь идёт о мягкотканных вмешательствах — верхняя и нижняя блефаропластика, эндоскопическая суспензия средней трети, эндоскопический лифтинг верхней трети, SMAS-лифтинг нижней трети и шеи, увеличение груди — здесь всё гораздо сложнее.

Программа показывает идеалистичную картинку, а мы работаем с живыми тканями, их биомеханикой и особенностями заживления.

Из практики:

• в своё время были популярны продукты для моделирования результатов операций на груди;

• визуально это выглядело очень убедительно;

• но реальные результаты, даже будучи хорошими, редко совпадали один к одному с тем, что показал софт;

• это приводило к завышенным ожиданиям, разочарованию и конфликтам, хотя сама операция была выполнена правильно.

Поэтому к моделированию в этих зонах я отношусь крайне осторожно: использовать как инструмент коммуникации — да; как «обещание точного результата» — нет.

Российская практика: AI-симметрия и аппаратная косметология

Российские клиники активно внедряют AI-анализ для объективизации результата, но опыт показывает важный нюанс.

Косметология и skin-анализаторы

Современные системы визуализации в косметологии умеют:

• анализировать цветность кожи;

• оценивать выраженность сосудистого рисунка;

• считать пористость, текстуру, плотность пигмента;

• сравнивать «до/после» по ряду параметров.

Это ценный инструмент:

– он помогает врачу обосновать тактику;

– позволяет отслеживать динамику;

– делает результат более измеримым.

Но есть и обратная сторона: некоторые системы чрезмерно «интеллектуализированы» и стремятся приукрасить картинку — сгладить текстуру, смягчить дефекты, сделать лицо визуально «лучше, чем в реальности».

С точки зрения маркетинга это может выглядеть привлекательно, но с точки зрения честной медицины — недопустимо. Для меня принципиально важно, чтобы визуализация не обманывала пациента, а объективно отражала состояние кожи.

Аппаратная эстетика и AI-безопасность

Многие современные аппараты в косметологии — это уже IT-устройства:

• они сканируют ткани;

• оценивают плотность, эластичность, сосудистый компонент;

• на основе обратной связи регулируют энергию;

• могут предупредить врача, если видят риск повреждения.

То есть локальный AI внутри аппарата работает как система безопасности и тонкой настройки, но не как самостоятельный «лечащий врач».

Когда алгоритм начинает «советовать» хирургу: за и против

Если свести к таблице, основные плюсы и риски выглядят так.

Здесь уместно вспомнить и про роботизированные системы вроде Da Vinci. Это впечатляющие платформы, которые расширяют технические возможности хирурга: доступы, точность, удобство. Но даже Da Vinci ничего не делает без человека. Робот лишь инструмент в руках специалиста, который управляет им, иногда даже на расстоянии.

В пластической хирургии, особенно в эстетике, это тем более важно: отношение к тканям, видение, опыт, вкус — всё это пока невозможно «оцифровать».

Этические вопросы: можно ли «оцифровать красоту»?

Приложения, которые присваивают баллы привлекательности, могут серьёзно влиять на самооценку, особенно у молодых пациентов. Алгоритм, обученный на конкретном датасете, всегда культурно предвзят: он не способен выйти за рамки тех представлений о красоте, которые «зашиты» в обучающую выборку.

Мы как клиника сознательно отстаиваем подход, при котором медицина остаётся более эмпатичной, чем «цифровой».

Есть известное высказывание: медицина стоит на втором месте после философии. Учебники и протоколы описывают базовые принципы, но в реальности всё устроено сложнее, и именно это пространство между теорией и практикой и есть область клинического мышления.

На сегодняшний день искусственный интеллект не способен заменить клиническое мышление врача и уж точно не может взять на себя ответственность за вмешательство в внешность пациента. Американские хирурги в исследовании AI-фильтра для TikTok отметили пользу, например, для визуального моделирования результатов различных эстетических процедур. Но вместе с тем в научной работе резюмируется, что модификации алгоритмов могут чрезмерно упрощать индивидуальные анатомические особенности и игнорировать критически важные аспекты хирургических, анестезиологических и специфических для пациента рисков. Стоит ли говорить, что они порождают нереалистичные ожидания?

Рекомендация, предложенная алгоритмом, легко воспринимается как абсолютная истина и может подтолкнуть человека к ненужным или избыточным вмешательствам в погоне за статистическим «идеалом». Поэтому такие системы требуют очень аккуратного, деликатного использования.

Итог: AI как усилитель врача, а не судья красоты

AI — это мощный инструмент, который помогает объективно оценивать симметрию и прогнозировать изменения. Он полезен в пластической хирургии и эстетической медицине:

• для морфометрического анализа;

• для осмысленного моделирования (там, где ткани предсказуемы);

• для повышения безопасности аппаратных процедур;

• для стандартизации и документирования результата.

Но красота и привлекательность — многогранные, социально-культурные явления. Алгоритм лишь отражает статистику датасета, на котором обучался, и не может подменить ни вкус, ни эмпатию, ни ответственность врача.

Мы работаем с живыми людьми. Важнейшая часть моей работы — контакт между двумя живыми людьми: обмен информацией, энергией, мироощущением, пониманием того, совпадает ли моё видение красоты с представлением пациента. Если мы находим эту общую точку — мы планируем вмешательство. И именно за этот процесс и за результат отвечаю я, а не нейросеть.

Я убеждён, что в России интеграция AI в медицину будет продолжаться и усиливаться. Критически важно, чтобы вместе с этим развивались этические и нормативные рамки, которые позволят использовать технологии безопасно и в интересах пациента — оставляя человека, его опыт и клиническое мышление в центре принятия решений.

Как вы считаете, будет ли способен искусственный интеллект в медицине в перспективе выносить окончательные решения, или модель «врач + пациент» останется принципиально непреодолимым ограничением для любых алгоритмов?