来源 | 利兹大学
编译 | 公子欣
心血管疾病是
全球过早死亡的主要原因，
提早筛查心脏病迹象
并进行预防尤为重要。
近日，由利兹大学牵头的
一项研究称：
科学家们开发了一种
人工智能系统，
可以分析在眼科检查时
所做的眼部扫描，
并识别出心脏病高风险患者。
医生们已经确认，视网膜上微小血管的变化是更广泛的血管疾病的指标，包括心脏问题。研究人员利用深度学习技术训练人工智能系统，使其能够自动读取视网膜扫描图，并在接下来的一年里识别出哪些人有可能患心脏病。
深度学习是一系列复杂的算法，可以让计算机识别数据中的模式并做出预测。研究人员在《自然机器智能》杂志上撰文称，人工智能系统的准确率在70%至80%之间，可以用作深入心血管调查的推荐机制。
深度学习在视网膜扫描分析中的应用，可能会彻底改变患者定期筛查心脏病迹象的方式。利兹大学计算医学教授、艾伦•图灵研究所图灵研究员Alex Frangi指出，这项技术开启了彻底改变心脏病筛查的可能性。视网膜扫描相对便宜，并且在许多眼科实践中常规使用。自动筛查的结果是，有患病风险的患者可以转诊到心脏专科服务。这种扫描还可以用来追踪心脏病的早期迹象。
该研究涉及来自利兹大学、利兹教学医院NHS信托基金、约克大学、中国科学院宁波慈溪生物医学影像研究所、法国蔚蓝海岸大学、美国国家卫生研究院生物技术信息中心和眼科研究所、比利时鲁汶大学等的科学家、工程师和临床医生的全球合作。英国生物样本库为研究提供了数据。
研究论文作者之一、利兹大学心血管医学教授Chris Gale说，人工智能系统有潜力识别出参加常规眼科检查的人在未来患心血管疾病的风险更高，从而可以更早开始预防性治疗，以预防心血管疾病的过早发生。
在深度学习过程中，人工智能系统分析了5000多人的视网膜扫描和心脏扫描，识别出了视网膜病变和患者心脏变化之间的关联。
一旦了解了图像模式，人工智能系统可以仅从视网膜扫描就估计出左心室的大小和泵送效率。（左心室是心脏的四个腔室之一，心室增大与心脏病风险增加有关。）通过估算左心室的大小和泵送效率的信息，再结合患者的年龄和性别的基本人口统计数据，人工智能系统就可以预测他们在接下来的12个月里心脏病发作的风险。
目前，只有通过超声心动图或心脏磁共振成像等诊断性测试，才能确定患者左心室的大小和泵送效率的细节。这些诊断测试可能很昂贵，而且往往只能在医院环境中才有，这使得医疗系统资源不足国家的人们无法获得，且在发达国家不必要地增加了医疗成本和等待时间。
该研究论文作者之一、利兹大学英国心脏基金会心血管成像教授Sven Plein说：“人工智能系统是解开自然界存在的复杂模式的绝佳工具，这正是我们发现的——视网膜上复杂的变化模式与心脏的变化有关。”
图片及参考来源：https://www.nature.com/articles/s42256-021-00427-7
最新评论