Populära Inlägg
Google AI visar hur ögon kan avslöja risken för hjärtinfarkt
Kardiovaskulär sjukdom är den ledande dödsorsaken globalt och forskare vet att livsstilsfaktorer inklusive träning och kost i kombination med genetiska faktorer, ålder, etnicitet och kön bidrar alla till det.
AI ger oss möjligheten till nya, mindre invasiva tester för hjärthälsa - förutsäga kardiovaskulära resultat från näthinnebilder med datorsyn - uppmuntra tidiga resultat. (Källa: File Photo) Att känna till risken för hjärtinfarkt eller stroke kan snart bli lika enkelt som ett ögontest som forskare på Google och dess hälsotekniska arm Verkligen har funnit att artificiell intelligens (AI) och maskininlärning (ML) kan hjälpa till att identifiera hjärtsignaler sjukdomar genom näthinnebilder.
AI erbjuder oss möjligheten till nya, mindre invasiva tester för hjärthälsa - förutsäga kardiovaskulära resultat från näthinnebilder med datorsyn - uppmuntra tidiga resultat!, Sa Googles VD Sundar Pichai på tisdagen medan han hänvisade till studien i en tweet.
Studien, publicerad i tidskriften Nature Biomedical Engineering, visade att djupinlärning tillämpad på en retinal fundusbild, ett fotografi som inkluderar ögats blodkärl, kan förutsäga riskfaktorer för hjärtsjukdomar - från blodtryck till rökstatus.
Algoritmen som forskarna producerade kan till och med hjälpa till att förutsäga förekomsten av en framtida stor kardiovaskulär händelse i nivå med nuvarande åtgärder, säger Michael McConnell, Head of Cardiovascular Health Innovations på Verily i blogginlägg.
Kardiovaskulär sjukdom är den ledande dödsorsaken globalt och forskare vet att livsstilsfaktorer inklusive träning och kost i kombination med genetiska faktorer, ålder, etnicitet och kön bidrar alla till det.
Men de vet inte exakt hur dessa faktorer sammanfaller hos en viss individ, och därför blir det hos vissa patienter nödvändigt att utföra sofistikerade tester, till exempel koronar kalcium -CT -skanningar, för att bättre stratifiera individens risk för hjärtinfarkt eller stroke och andra kardiovaskulära händelser.
vackraste blomman på jorden
I denna studie, med hjälp av djupinlärningsalgoritmer som utbildats i data från 284,335 patienter, kunde forskarna förutsäga kardiovaskulära riskfaktorer från näthinnebilder med förvånansvärt hög noggrannhet för patienter från två oberoende datamängder på 12 026 och 999 patienter.
Algoritmen kunde skilja näthinnebilderna av en rökare från en icke-rökare 71 procent av tiden, fann studien.
Dessutom, medan läkare vanligtvis kan skilja mellan näthinnebilderna av patienter med svårt högt blodtryck och normala patienter, kan vår algoritm gå längre för att förutsäga det systoliska blodtrycket inom 11 mmHg i genomsnitt för patienter totalt, inklusive de med och utan högt blod tryck, sa medförfattaren Lily Peng, produktchef, Google Brain Team.
En av de spännande aspekterna av denna studie är genereringen av 'uppmärksamhetskartor' för att visa vilka aspekter av näthinnan som bidrog mest till algoritmen, vilket ger ett fönster till den 'svarta lådan' som ofta är associerad med maskininlärning, McConnell, som också är en medförfattare till studien, sa.
Detta kan ge kliniker större förtroende för algoritmen och potentiellt ge nya insikter om näthinnefunktioner som inte tidigare var associerade med kardiovaskulära riskfaktorer eller framtida risk, sade McConnell.
Resultaten tyder på att en enkel retinalbild en dag kan hjälpa till att förstå hälsan hos en patients blodkärl, nyckeln till kardiovaskulär hälsa.
Detta är lovande, men tidig forskning - mer arbete måste göras för att utveckla och validera dessa fynd på större patientkohorter innan detta kan komma i en klinisk miljö, tillade McConnell.
murgrönaväxter med vita blommor