Google AI可以根据眼图预测心脏病风险

Google的研究人员开发了一种新的人工智能系统，该系统可以通过扫描人的视网膜图像来准确预测心脏病的风险。

研究人员说，这一发现可能指向从视网膜图像诊断健康问题的更多方法。

“通过对来自284,335位患者的数据进行训练的深度学习算法，我们能够从视网膜图像中预测来自12,026位和999位患者的两个独立数据集的患者，心血管疾病的危险因素具有惊人的准确性，” Google Brain团队的Lily Peng在博客文章。

关

该算法可以在71％的时间中将吸烟者的视网膜图像与非吸烟者的视网膜图像区分开。

相关新闻Ather 450X的起始价格为99,000卢比，OnePlus计划在印度开设100家体验店WhatsApp，从2月起停止在这些iPhone和Android手机上提供服务；您的设备在列表中吗？

虽然医生通常可以区分严重高血压患者和正常患者的视网膜图像，但是该算法可以进一步预测总体平均水平（包括有高血压和无高血压的患者）的收缩压在11毫米汞柱以内。

Peng说，该算法在直接预测心血管事件风险方面相当准确。她说：“我们的算法使用整个图像来量化图像与心脏病发作或中风风险之间的关联。”

鉴于一名患者的视网膜图像后来发生了严重的心血管事件（例如心脏病发作），而另一名患者没有发生这种事件，则该算法可以在70％的时间中选出心脏病患者。

这种性能接近需要抽血来测量胆固醇的其他心血管风险计算器的准确性。

“我们通过使用注意力技术来观察算法是如何进行预测的，从而打开了“黑匣子”。这些技术使我们能够生成热图，显示出哪些像素对于预测特定的心血管危险因素最重要。

例如，如上图所示，该算法更加关注血管以进行血压预测。解释算法如何进行预测可以使医生对算法本身更有信心。

传统上，医学发现通常是通过复杂的猜测和测试形式做出的-从观察中得出假设，然后设计并运行实验以检验这些假设。

但是，对于医学图像，由于真实图像中存在多种特征，图案，颜色，值和形状，因此很难观察和量化关联。

彭说：“我们的方法利用深度学习在人体解剖结构和疾病的变化之间建立联系，类似于医生如何学习将体征和症状与新疾病的诊断联系起来。”

这可以帮助科学家产生更有针对性的假设，并推动广泛的未来研究。