就像指甲和頭發(fā)一樣，人類視網(wǎng)膜可以提供有關(guān)患者整體健康狀況的豐富信息，包括他/她患心臟病的風(fēng)險。雖然目前檢測心血管問題的方法涉及一系列昂貴而復(fù)雜的測試，但Google和Verily Life Sciences的一組研究人員最近提出了一種通過部署深度學(xué)習(xí)算法實現(xiàn)大致相同結(jié)果的方法。

盡管人類視覺系統(tǒng)在解決與我們的祖先環(huán)境相關(guān)的問題方面非常有能力，但是在許多情況下，盡管它們接近，但各種細微的線索仍然是我們看不到的。

對于醫(yī)學(xué)圖像，“觀察和量化關(guān)聯(lián)通常很困難，因為真實數(shù)據(jù)中存在各種各樣的特征，模式，顏色，值和形狀” - 這就是人工智能的用武之地。

在該研究中，研究小組使用了近30萬個視網(wǎng)膜眼底圖像，標(biāo)記了與年齡，吸煙狀況，血壓和BMI(體重指數(shù))等心臟病相關(guān)的信息，以訓(xùn)練算法。

培訓(xùn)完成后，算法在12 026和999例患者的兩個獨立數(shù)據(jù)集上松散進行測試。只需查看圖像，就可以估算患者五年心臟病風(fēng)險以及我們今天的最佳方法，減去相關(guān)費用。

該算法還旨在報告其所關(guān)注的內(nèi)容以進行診斷。對于諸如年齡，血壓和吸煙狀況之類的事情，它集中于視網(wǎng)膜血管的許多特征，而通過更廣泛地考慮眼睛的不同特征來檢測性別。

有趣的是，當(dāng)被問及算法在尋找與BMI的相關(guān)性時所關(guān)注的是什么時，它沒有報告任何可清楚識別的特征集，這表明它在視網(wǎng)膜中“看到”的模式根本不可用。

研究人員還注意到，對于深度學(xué)習(xí)算法來說，一組30萬次掃描實際上非常小，考慮到可以使用更多數(shù)據(jù)，這對于未來的改進具有前景。

由于現(xiàn)代臨床方法的性能還有待提高，因此改進肯定是必要的 - 與診斷相關(guān)的成本相對較高，而準確性則不然。