谷歌與Verily發布新研究，可通過視網膜圖像用AI檢測心臟病

知識 09-02

安妮編譯整理

量子位出品 | 公眾號 QbitAI

心臟病是一種常見的高發疾病。傳統的治療方法通常依賴於心電圖、超聲、X射線等大型儀器，可能不久後，會有一種更簡單的心臟病檢測方法問世。

視網膜圖像派上用場

這項成果來自谷歌和其母公司Alphabet旗下的生命科學公司Verily。

在昨天發表的論文《Predicting Cardiovascular Risk Factors from Retinal Fundus Photographs using Deep Learning》中，他們展示了一種能在視網膜圖像中發現心臟病風險的新研究。

這種方法對身體的侵入性較小、獲取容易，並且還能用AI快速分析結果。

雖然目前醫學界可通過部分身體表象判斷患者是否患病，但谷歌和Verily演算法能夠自己分析患者年齡、性別、吸煙史、血壓、血糖等相關信息。通過AI分析特徵對心血管產生影響評估心臟衰竭的概率。

研究人員表示，該研究測試結果與歐洲心血管手術危險因素評分系統（SCORE ）檢測結果基本一致。

論文摘要

一般來說，醫學研究從關聯研究開始，然後設計實驗驗證假設。然而，圖像中的特徵、模式、顏色、數值、形狀在現實情況下通常信息量很大，因此觀察並量化關聯非常困難。

在這篇論文中，我們用深度學習的方法學習特徵，從視網膜圖像中找到需要的信息，之後用284335名患者上收集的信息訓練模型，並用12026和999名患者的兩組信息作為驗證數據集。

我們在視網膜圖像上預測以前認為並不存在或不可量化的心血管風險隱患，如年齡、性別(0.97 AUC)、吸煙狀況(0.71 AUC)，HbA1c(1.39%以內)，心臟收縮壓(11.23 mmHg以內)及主要心臟患病史(0.70 AUC)。

最後，我們從視神經盤、血管等入手，分布展示了每個預測的生成過程。

檢測結果

論文結尾，研究人員給出了系統預測的結果與真實情況的對照信息。我們可以看到，通過AI分析視網膜的結果，與真實情況大致相同。

樣本中患者預測年齡57.6歲，實際年齡59.1歲。預測患者為一名不吸煙且無糖尿病的女性，與真實情況相符。患者的身高體重指數（BMI）為26.3千克/每平方米，實際為24.1千克/每平方米，兩者相差不大。心臟實際收縮壓與舒張壓分別為148.5mmHg與78.5mmHg，AI預測結果為148.0mmHg與86.6mmHg。