谷歌AI只靠分析眼底圖像，便可預測心血管疾病風險

GIF

關注被科技重塑的生活

GIF

GIF

近日，谷歌與同屬Alphabet的生物科技公司Verily共同發表了分析眼球數據以預測心血管疾病風險的深度學習演算法。和基於驗血的傳統預測方式準確度已非常接近，而人工智慧有望使預測過程更加簡單快捷。

人類的眼球內膜，即眼底 (fundus) ，被血管填滿，這些血管的狀態可以反映人的整體健康狀況。利用攝像頭和顯微鏡，研究人員可以獲取眼底的各項數據，以供推測人的年齡、性別、血壓以及其是否吸煙，而這些都是人工智慧演算法判斷心血管健康狀況所需的重要參數。

為了對演算法進行訓練，研究人員利用機器學習分析了擁有約28萬名就診者資料的資料庫，其中包含眼球掃描數據和一般醫療數據。神經網路用於探索數據中隱藏的規律，並將眼球數據與年齡、血壓等數據之間建立聯繫，以此作為心血管健康狀況的預測依據。

將兩個人的眼底圖像放在一起，其中一人在圖像提取完成的五年後發生了心血管不良事件，另外一人則未出現心血管異常——谷歌與Verily研發的演算法，區分兩者的正確率達到70%，已與傳統預測方式72%的準確度相差無幾。

阿德萊德大學的醫學研究人員Luke Oakden-Rayner主攻機器學習數據分析，他說這項研究成果可能實現對現有診斷工具的改良。傳統預測方式包含多項數據的檢測，每項數據檢測只為單一目的，而此次發布的深度學習演算法僅依靠眼球圖像，便可完成多項參數的獲取。這樣一來，心血管疾病風險的預測或許會變得更加快捷，與其說取代醫生的工作，不如說可能增強醫務工作者本身的能力。

其實，以眼球圖像輔助疾病診斷早有先例。糖尿病與高血壓等健康問題皆可令視網膜發生變化。谷歌也曾依靠眼球數據進行糖尿病視網膜病變的相關研究。

另外，以人工智慧輔助醫療過程也並非新概念，比如利用深度學習演算法觀察X光掃描結果。不過，多數醫學演算法只是對現有診斷工具的複製，而此次發表的演算法除了依賴的數據與傳統方式有所不同，也提供了分析現有醫學數據的新方式。名為「soft attention」的技術，可以在每幅圖像中找出對心血管疾病風險預測最為重要的部分。

如果有足夠強大的數據支撐，人工智慧或許可以在人類的指導之外，為醫學研究乃至更多領域的科學探索提供全新的靈感。這也是Verily啟動Project Baseline等研究計劃的部分原因，這一計劃將針對1萬名個體進行連續4年的醫學數據收集。

然而，神經網路的一個弱點是，它們可以得出結論，但無法闡明自己是如何一步一步推導出某一結論的。這樣的問題可能導致患者對醫生信任度的降低。

僅就谷歌和Verily此次發布的研究成果來講，眼球數據提取範圍僅包含45度視野，且深度學習演算法或許需要更大的資料庫來完善。在進行臨床試驗之前，科研團隊還有很長的路要走。

儘管諸多挑戰當前，此類快捷、低價、非侵入式的診斷工具依然是醫學領域追求的目標。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！