就像指甲和頭發(fā)一樣，人類(lèi)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(wèn)題的方法涉及一系列昂貴而復雜的測試，但Google和Verily Life Sciences的一組研究人員最近提出了一種通過(guò)部署深度學(xué)習算法實(shí)現大致相同結果的方法。

盡管人類(lèi)視覺(jué)系統在解決與我們的祖先環(huán)境相關(guān)的問(wèn)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(xiàn)索仍然是我們看不到的。

對于醫學(xué)圖像，“觀(guān)察和量化關(guān)聯(lián)通常很困難，因為真實(shí)數據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(wàn)個(gè)視網(wǎng)膜眼底圖像，標記了與年齡，吸煙狀況，血壓和BMI(體重指數)等心臟病相關(guān)的信息，以訓練算法。

培訓完成后，算法在12 026和999例患者的兩個(gè)獨立數據集上松散進(jìn)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)注的內容以進(jìn)行診斷。對于諸如年齡，血壓和吸煙狀況之類(lèi)的事情，它集中于視網(wǎng)膜血管的許多特征，而通過(guò)更廣泛地考慮眼睛的不同特征來(lái)檢測性別。

有趣的是，當被問(wèn)及算法在尋找與BMI的相關(guān)性時(shí)所關(guān)注的是什么時(shí)，它沒(méi)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)習算法來(lái)說(shuō)，一組30萬(wàn)次掃描實(shí)際上非常小，考慮到可以使用更多數據，這對于未來(lái)的改進(jìn)具有前景。

由于現代臨床方法的性能還有待提高，因此改進(jìn)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。