1月26日，英国利兹大学研究团队的一项新成果发表在国际顶级学术期刊《自然》旗下的《自然机器智能》上。研究人员开发了一种AI(人工智能)系统，通过深度学习算法进行训练，可以分析视网膜扫描图像中的心脏病发作迹象，识别准确率在70%至80%之间。
AI系统可以自动读取视网膜图像扫描，预测患者在未来一年内是否会有心脏病发作的风险，眼部扫描的图像可以在一般的眼镜商或眼科诊所获得。
这项研究由利兹大学领导，中国科学院参与其中。宁波来自慈溪生物医学工程研究所、英国约克大学、法国蔚蓝海岸大学等的研究人员。系统训练的数据由英国生物银行提供。
首先，自动筛查视网膜图像，预测一年内患心脏病的风险。
最近的研究表明，视网膜图像上的视网膜血管密度或曲率等生物标志物与心脏功能有关，并可能预测患者心脏病发作的风险。
▲英国生物样本库的视网膜图像。
通过研究左心室质量(LVM)和左心室舒张末期容积(LVEDV)，研究人员证明了心肌梗死的风险可以通过使用视网膜图像和基本人群数据来预测。
“这项研究可能会改变我们筛选和跟踪心脏病早期症状的方式。”监督这项研究的亚历克斯·弗兰基说。他目前是英国利兹大学计算医学钻石禧年教授和艾伦艾伦图灵研究所的图灵研究员。“心血管疾病，包括心脏病，是世界上早死的主要原因，也是英国的第二大疾病杀手。”
“那些参加常规眼部筛查的人，未来患心血管疾病的风险更高。视网膜AI系统识别可以更早开始预防性治疗，预防心血管疾病。”利兹大学心血管医学教授克里斯·盖尔(Chris Gale)表示，他也是这篇论文的作者之一。
视网膜AI辅助诊断心脏病的系统一旦普及，可以在眼镜店和眼科诊所进行自动筛查，及时发现患病风险高的患者，并转诊到心脏病领域的专家。
二、视网膜变化+基本人口统计学信息可以判断心脏病风险。
在深度学习的过程中，这个AI系统使用英国生物银行的数据进行训练，分析了5000多人的视网膜扫描和心脏扫描图像，并确定了患者视网膜病理和心脏变化之间的关系。
在学习了图像模型之后，系统可以仅通过视网膜扫描来估计左心室(心脏四个腔室之一)的大小和泵送效率。一般来说，心室扩大意味着心脏病风险增加。
▲心脏结构图(图片来源:搜狐新闻)
这5000人的左心室大小变化及其泵送频率的信息与患者的年龄有关，性别当基本数据统一后，AI系统可以预测他们在未来12个月内的心脏病发作风险。
AI系统的使用可以大大降低未来心脏病诊断和检测的成本。现在，为了确定心室大小和泵血效率，患者需要进行超声心动图或心脏磁共振成像等测试。目前，上述测试有许多限制，只能用于医院中间测试，成本高。所以在欠发达地区或者医疗资源少的地区，他们患者的医疗费用和等待时间可能会很长。
利兹大学心血管成像教授、研究论文作者之一斯文·普莱因(Sven Plein)表示:“AI系统是解决自然界中存在的复杂模式的优秀工具，这就是我们所发现的——与视网膜变化和心脏变化相关的复杂模式。”
第三，视网膜图像质量参差不齐，训练数据有限。
诚然，这项研究存在局限性。
首先，研究人员表示，使用小视野的视网膜图像，或者没有黄斑和视盘的图像，可能会影响这种方法的性能。同样，对比度、照明和图像质量的变化也会显著影响结果。
其次，在用于训练和评估所提出的方法的患者基本数据和图像采集参数中存在同质性。据了解，目前公开的数据集只有两个，分别是英国生物银行和与年龄相关的眼病研究。机构(AREDS)，以上两位机构提供了与相应患者的视网膜图像相关的患者人口统计和心肌梗塞事件信息。
年龄相关性眼病的研究机构该数据集是在以前评估年龄相关性黄斑变性(年龄相关性黄斑变性)的研究中收集的。所以这个数据集中大多数参与者的平均年龄是70岁，并不是心梗发病率快速上升的年龄。
本研究采用了英国生物样本库提供的5000多名患者的数据，与年龄相关的眼病研究进行对比。机构英国生物银行的数据异质性高，人口数据基本健康。因此，视网膜图像采集后的数据集中记录的心肌梗死病例在总人群中的比例相对较低，可以为训练和验证提供更多的异构数据。
有效的数据集对于将正在开发的解决方案转化为实际的临床应用非常重要，这将是研究人员未来工作的主题。
结论:视网膜诊断系统加速了人工智能的应用
近年来，医学AI赛道涌现出许多突破性成果，尤其是在视网膜辅助诊断领域。除了中国利兹大学的心血管疾病视网膜诊断广州中山大学中山眼中心的系统可以识别糖尿病、高血压等全身性疾病；国内视网膜图像AI企业鹰眼技术的算法可以识别55种健康风险...
视网膜AI辅助诊断系统可以进一步拓展医疗场景，适用于眼科诊所、眼镜店等常见区域，降低医疗成本，更快发现突发疾病。视网膜人工智能辅助诊断系统将进一步促进人工智能技术的效益。
下一篇：联系我们