Google AI viser hvordan øyne kan avsløre hjerteinfarkt

Kardiovaskulær sykdom er den viktigste dødsårsaken globalt, og forskere vet at livsstilsfaktorer, inkludert trening og kosthold i kombinasjon med genetiske faktorer, alder, etnisitet og kjønn, alle bidrar til det.

AI gir oss potensialet for nye, mindre invasive tester for hjertehelse - forutsi kardiovaskulære resultater fra netthinnebilder med datasyn - oppmuntrer til tidlige resultater. (Kilde: File Photo)

Å vite risikoen for hjerteinfarkt eller hjerneslag kan snart bli så enkelt som en øyetest som forskere ved Google og dets helse-teknologiske arm Sannelig har funnet ut at kunstig intelligens (AI) og maskinlæring (ML) kan hjelpe til med å identifisere hjertesignaler sykdommer gjennom netthinnebilder.



AI gir oss potensialet for nye, mindre invasive tester for hjertehelse - forutsi kardiovaskulære resultater fra netthinnebilder med datasyn - oppmuntrer til tidlige resultater!, Sa Google -sjef Sundar Pichai tirsdag mens han henviste til studien i en tweet.



Studien, publisert i tidsskriftet Nature Biomedical Engineering, viste at dyp læring brukt på et retinal fundusbilde, et fotografi som inkluderer øyets blodkar, kan forutsi risikofaktorer for hjertesykdommer - fra blodtrykk til røykestatus.



Algoritmen som forskerne produserte kan til og med bidra til å forutsi forekomsten av en fremtidig stor kardiovaskulær hendelse på lik linje med nåværende tiltak, sa Michael McConnell, sjef for kardiovaskulær helseinnovasjoner på Verily i et blogginnlegg.

Kardiovaskulær sykdom er den viktigste dødsårsaken globalt, og forskere vet at livsstilsfaktorer, inkludert trening og kosthold i kombinasjon med genetiske faktorer, alder, etnisitet og kjønn, alle bidrar til det.



Imidlertid vet de ikke akkurat hvordan disse faktorene henger sammen i et bestemt individ, og derfor blir det hos noen pasienter avgjørende å utføre sofistikerte tester, som koronar kalsium CT -skanning, for å bedre stratifisere individets risiko for å få hjerteinfarkt eller hjerneslag og andre kardiovaskulære hendelser.



edderkopp med hvitstripete ben

I denne studien, ved hjelp av dyplæringsalgoritmer trent på data fra 284,335 pasienter, var forskerne i stand til å forutsi kardiovaskulære risikofaktorer fra netthinnebilder med overraskende høy nøyaktighet for pasienter fra to uavhengige datasett på 12 026 og 999 pasienter.

Algoritmen kunne skille netthinnebildene til en røyker fra en ikke-røyker 71 prosent av tiden, fant studien.



I tillegg, mens leger vanligvis kan skille mellom netthinnebildene av pasienter med alvorlig høyt blodtrykk og normale pasienter, kan algoritmen vår gå videre for å forutsi det systoliske blodtrykket innen 11 mmHg i gjennomsnitt for pasienter generelt, inkludert de med og uten høyt blod. press, sa medforfatter av studien Lily Peng, produktsjef, Google Brain Team.



En av de spennende aspektene ved denne studien er generering av 'oppmerksomhetskart' for å vise hvilke aspekter av netthinnen som bidro mest til algoritmen, og dermed gi et vindu inn i den 'svarte boksen' som ofte er forbundet med maskinlæring, McConnell, som også er en medforfatter av studien, sa.

Dette kan gi klinikere større tillit til algoritmen, og potensielt gi ny innsikt i retinalfunksjoner som ikke tidligere er forbundet med kardiovaskulære risikofaktorer eller fremtidig risiko, sa McConnell.



Funnene tyder på at et enkelt netthinnebilde en dag kan hjelpe til med å forstå helsen til pasientens blodkar, nøkkelen til kardiovaskulær helse.



Dette er lovende, men tidlig forskning - mer arbeid må gjøres for å utvikle og validere disse funnene på større pasientkohorter før dette kan komme i en klinisk setting, la McConnell til.

lilla og hvit tusenfryd som blomster

Artikkelen ovenfor er kun til informasjonsformål og er ikke ment å være en erstatning for profesjonell medisinsk rådgivning. Søk alltid veiledning fra legen din eller annen kvalifisert helsepersonell for spørsmål du måtte ha angående din helse eller en medisinsk tilstand.