来源： 时间：2022-07-21 11:35:06
谷歌的研究人员开发了一种新的人工智能系统，可以通过扫描人们视网膜的图像来准确预测心脏病的风险。研究人员说，这一发现可能会指出更多从视网膜图像诊断健康问题的方法。
Google Brain团队的Lily peng在一篇博客文章中写道: “使用对284,335患者数据进行训练的深度学习算法，我们能够从12,026和999患者的两个独立数据集中以惊人的高精度预测患者的视网膜图像中的心血管危险因素。”该算法可以在71% 的时间内将吸烟者的视网膜图像与非吸烟者的视网膜图像区分开。
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，但该算法可以进一步预测总体患者 (包括患有和不患有高血压的患者) 的平均收缩压在11毫米汞柱内血压。peng说，该算法在直接预测心血管事件的风险方面相当准确。
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。”考虑到一名后来经历重大心血管事件 (如心脏病发作) 的患者的视网膜图像和另一名没有经历的患者的图像，该算法可以在70% 的时间内选出心脏病患者。这种性能接近其他需要抽血来测量胆固醇的心血管风险计算器的准确性。
“我们通过使用注意力技术来查看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，以显示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有关血压的预测。解释算法如何进行预测使doctor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检验形式来进行的-从观察中得出假设，然后设计和运行实验来检验假设。但是，对于医学图像，由于真实图像中存在各种各样的特征，图案，颜色，值和形状，因此很难观察和量化关联。
彭说: “我们的方法使用深度学习来绘制人体解剖结构变化与疾病之间的联系，类似于医生如何学会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，并推动未来的广泛研究。
相关推荐
猜你喜欢
