，本周二，英國利茲大學研究小組的一項新成果登上國際學術頂刊 Nature 的子刊 Nature Machine Intelligence研究人員開發了一種 AI系統，該系統通過深度學習算法來訓練，可以分析視網膜掃描圖像中的心臟病發作跡象，識別準確率在 70%—80% 之間
AI 系統可以自動讀取視網膜圖像掃描，預測未來一年中該患者是否有心臟病發作的風險，并且眼部掃描的圖像在一般配鏡師或眼科診所中就能獲得。
這項研究由利茲大學領導聯合中科院寧波慈溪生物醫學工程研究所，英國約克大學，法國蔚藍海岸大學等研究人員進行，系統訓練的數據由英國生物樣本庫提供。
一，自動篩查視網膜圖像，預測一年內心臟病風險
最近的研究表明，視網膜圖像上的視網膜血管密度或彎曲度等生物標記物與心功能相關，并可能預示著患者的心臟病發作風險。
英國生物樣本庫的視網膜圖像
研究人員通過研究心臟左室質量和左室舒張末期容積，證明使用視網膜圖像和基本人口數據可以預測患者的心肌梗死風險。
該研究可能會改變我們篩查和追蹤心臟病早期癥狀的方式負責監督此項研究的亞歷克斯弗蘭基說他目前在英國利茲大學擔任計算醫學鉆石禧年教授，也是艾倫圖靈研究所的圖靈研究員，包括心臟病在內的心血管疾病，是全球早期患者死亡的主要原因，也是英國的第二大疾病殺手
視網膜 AI 輔助診斷心臟病的系統一旦普及，就可以用于眼鏡店，眼科診所的自動篩查，有高患病風險的患者就可以及時發現，并轉診給心臟病領域的專科醫生。
二，視網膜變化 + 基本人口信息，就能判斷心臟病風險
深度學習過程中，這個 AI 系統使用來自英國生物銀行的數據進行訓練，分析了 5000 多人的視網膜掃描和心臟掃描圖像，已確定患者視網膜病理與心臟變化之間的關系。。
學習了圖像模型后，該系統就可以僅通過視網膜掃描來估計左心室的大小和泵送效率一般情況下，心室擴大就代表著心臟病風險增加
這 5000 個人的左心室大小變化及其泵送頻率的信息，與患者的年齡，性別等基本數據統一起來，AI 系統就可以預測他們在未來 12 個月內心臟病發作的風險。
AI 系統的使用能大大降低心臟病診斷測試的未來成本現在為了確定心室大小和泵送效率，患者需要進行超聲心動圖或者心臟磁共振成像等測試目前，上述測試的限制較多，只能在醫院中測試并且成本較高因此，在不發達或醫療保健資源較少的地區，他們的患者醫療成本和等待時間可能會很長
三，視網膜圖像質量參差，訓練數據受限
誠然，這項研究中也存在局限性。
首先，研究人員稱，使用視野較小的視網膜圖像，或不包含黃斑和視盤的圖像可能會影響該方法的性能同樣，對比度，照明和圖像質量的變化也會顯著影響結果
其次，用于訓練和評估擬議方法的患者基本數據和圖像采集參數方面存在同質性根據消息顯示，可用的公開數據集只有兩個，分別是英國生物樣本庫和年齡相關性眼病研究機構，上述兩個機構提供了與相應患者視網膜圖像相關的患者人口統計學和心肌梗死事件信息
年齡相關性眼病研究機構的數據集是在之前用于評估年齡相關性黃斑變形研究中收集的，用于評估年齡相關性黃斑變性的研究因此，該數據集的大多數參與者平均年齡為 70 歲，并非處于心肌梗死發病率迅速上升的年齡
本次研究中采用的是英國生物樣本庫提供的 5000 多名患者數據，相比于年齡相關性眼病研究機構，英國生物銀行的數據異質性較高，其人口數據基本上是健康的因此，數據集中記錄的視網膜圖像采集后的心肌梗死病例在總人口中的比例相對較低，可以為訓練和驗證提供更多異構數據
有效的數據集對于將正在開發的解決方案轉化為實際臨床應用至關重要，這將是研究人員未來工作的主題。PragmatIC稱，柔性6502研發出來不到兩周，就已經進行了第二次迭代，以優化引腳排列，占位面積等。這樣的速度對于傳統的硅基芯片來說幾乎是不可能的，展示了FlexICFoundry“改變游戲規則”的能力。
結語:視網膜診斷系統加速 AI 應用落地
最近幾年來，醫療 AI 賽道涌現了多項突破性成就，尤其在視網膜輔助診斷領域除利茲大學的視網膜診斷心血管疾病，我國廣州中山大學中山眼科中心的系統可識別糖尿病，高血壓等全身性疾病，國內視網膜影像 AI 創企鷹瞳科技的算法能識別 55 種健康風險
視網膜 AI 輔助診斷系統，能夠將醫療場景進一步擴大，適用于眼科診所，眼鏡店等常見區域，降低醫療成本，更快發現突發性疾病視網膜 AI 輔助診斷系統將進一步促進 AI 技術普惠
。鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。
|
