發(fā)布日期：2017-09-05
視網(wǎng)膜圖像派上用場 這項(xiàng)成果來自谷歌和其母公司 Alphabet 旗下的生命科學(xué)公司 Verily。 在論文《Predicting Cardiovascular Risk Factors from Retinal Fundus Photographs using Deep Learning》中，他們展示了一種能在視網(wǎng)膜圖像中發(fā)現(xiàn)心臟病風(fēng)險(xiǎn)的新研究。 這種方法對身體的侵入性較小、獲取容易，并且還能用 AI 快速分析結(jié)果。 雖然目前醫(yī)學(xué)界可通過部分身體表象判斷患者是否患病，但谷歌和 Verily 算法能夠自己分析患者年齡、性別、吸煙史、血壓、血糖等相關(guān)信息。通過 AI 分析特征對心血管產(chǎn)生影響評估心臟衰竭的概率。 研究人員表示，該研究測試結(jié)果與歐洲心血管手術(shù)危險(xiǎn)因素評分系統(tǒng)（SCORE ）檢測結(jié)果基本一致。 論文摘要 一般來說，醫(yī)學(xué)研究從關(guān)聯(lián)研究開始，然后設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證假設(shè)。然而，圖像中的特征、模式、顏色、數(shù)值、形狀在現(xiàn)實(shí)情況下通常信息量很大，因此觀察并量化關(guān)聯(lián)非常困難。 在這篇論文中，我們用深度學(xué)習(xí)的方法學(xué)習(xí)特征，從視網(wǎng)膜圖像中找到需要的信息，之后用 284335 名患者上收集的信息訓(xùn)練模型，并用 12026 和 999 名患者的兩組信息作為驗(yàn)證數(shù)據(jù)集。 我們在視網(wǎng)膜圖像上預(yù)測以前認(rèn)為并不存在或不可量化的心血管風(fēng)險(xiǎn)隱患，如年齡、性別 (0.97 AUC)、吸煙狀況(0.71 AUC)，HbA1c(1.39% 以內(nèi))，心臟收縮壓(11.23 mmHg 以內(nèi)) 及主要心臟患病史(0.70 AUC)。 最后，我們從視神經(jīng)盤、血管等入手，分布展示了每個(gè)預(yù)測的生成過程。 檢測結(jié)果 論文結(jié)尾，研究人員給出了系統(tǒng)預(yù)測的結(jié)果與真實(shí)情況的對照信息。我們可以看到，通過 AI 分析視網(wǎng)膜的結(jié)果，與真實(shí)情況大致相同。 樣本中患者預(yù)測年齡 57.6 歲，實(shí)際年齡 59.1 歲。預(yù)測患者為一名不吸煙且無糖尿病的女性，與真實(shí)情況相符?；颊叩纳砀唧w重指數(shù)（BMI）為 26.3 千克 / 每平方米，實(shí)際為 24.1 千克 / 每平方米，兩者相差不大。心臟實(shí)際收縮壓與舒張壓分別為 148.5mmHg 與 78.5mmHg，AI 預(yù)測結(jié)果為 148.0mmHg 與 86.6mmHg。 尚不可用 雖然谷歌稱其測試與 SCORE 測試結(jié)果相當(dāng)，但論文中沒有與標(biāo)準(zhǔn)等價(jià)測試結(jié)果的對比說明，所以目前無法確定 AI 是否真的像醫(yī)生一樣好。同時(shí)，這一研究目前還沒有進(jìn)行同行評審。 研究人員也表示，雖然谷歌與 Verily 收集了近 30 萬人的數(shù)據(jù)，但這些數(shù)據(jù)集中白人和西班牙裔患者的信息。研究人員在論文提醒，雖然系統(tǒng)檢測效果良好，但對于 AI 來說 30 萬的數(shù)據(jù)集仍然很小，需要進(jìn)一步測試。
來源：量子位
