用眼睛作为心脏疾病的窗口

科学家开发了一种人工智能(AI)系统，可以分析在眼科医生或眼科诊所例行检查时进行的眼部扫描，并识别出心脏病发作高风险的患者。

医生们已经认识到视网膜上微小血管的变化是血管变宽的标志疾病的问题心．

在利兹大学领导的这项研究中，深度学习技术用来训练人工智能系统自动读取视网膜扫描结果，并识别哪些人在接下来的一年里可能会心脏病发作。

深度学习是一系列复杂的算法，使计算机能够识别数据中的模式并做出预测。

写日记自然机器智能研究人员报告说，人工智能系统的准确率在70%到80%之间，可以用作深入心血管调查的第二种转诊机制。

在视网膜扫描分析中使用深度学习可能会彻底改变患者定期筛查心脏病迹象的方式。

Alex Frangi教授是利兹大学计算医学钻石庆典主席，也是艾伦图灵研究所的图灵研究员，他监督了这项研究。他说:“心血管疾病，包括心脏病发作，是全球早逝的主要原因，也是英国的第二大杀手。这在世界范围内造成了慢性疾病和痛苦。”

“这项技术为心脏病筛查带来了革命性的可能性。视网膜扫描相对便宜，在许多眼科医生的实践中被常规使用。“由于自动筛查，患病风险高的患者可以转到专家心脏服务。”

“这种扫描也可以用来追踪心脏病的早期迹象。”

这项研究涉及来自利兹大学的科学家、工程师和临床医生的全球合作;利兹教学医院的国民保健制度信托;约克大学;中国科学院宁波慈溪生物医学影像研究所;法国蔚蓝海岸大学;隶属于美国国立卫生研究院的国家生物技术信息中心和国家眼科研究所;比利时鲁汶大学。

英国生物银行为这项研究提供了数据。

利兹大学心血管医学教授克里斯·盖尔(Chris Gale)是该研究论文的作者之一，他也是利兹教学医院NHS信托基金的心脏病顾问专家。

他说:“人工智能系统有潜力识别那些参加常规眼部筛查的人，他们未来患心血管疾病的风险更高，从而可以更早地开始预防性治疗，以预防过早的心血管疾病。”

深度学习

在深度学习过程中，人工智能系统分析了5000多人的视网膜扫描和心脏扫描。人工智能系统识别了视网膜病理与患者心脏变化之间的关联。

一旦了解了图像模式，人工智能系统就可以仅通过视网膜扫描来估计左心室的大小和泵送效率。左心室是心脏的四个腔室之一。心室增大与患心脏病的风险增加有关心脏病．

有了左心室的估计大小及其泵血效率的信息，再加上患者的基本人口统计数据、年龄和性别，人工智能系统就可以预测他们在接下来的12个月里心脏病发作的风险。

目前，关于病人左心室的大小和泵送效率的细节只有在他们拥有的情况下才能确定诊断测试比如心脏超声心动图或核磁共振成像。这些诊断测试可能很昂贵，而且通常只能在医院环境中进行，这使得医疗系统资源不太充足的国家的人无法获得它们，或者在发达国家不必要地增加了医疗成本和等待时间。

利兹大学英国心脏基金会心血管成像教授、该研究论文的作者之一斯文·普林(Sven Plein)表示，“人工智能系统是一种很好的工具，可以解开自然界中存在的复杂模式，这就是我们在这里发现的——视网膜变化的复杂模式与心脏变化有关。”