AI øjenscanner kan fortælle, om du vil kvække den fra et hjerteanfald

AI-algoritmer kan forudsige, om en patient er i risiko for at få et slagtilfælde, hjerteanfald eller dø af hjertesygdom blot ved at studere billeder af deres nethinder, ifølge forskning fra England.

De tynde lag af væv på bagsiden af ​​øjeæblet, der er følsomme over for lys, kan afsløre en overraskende mængde information på egen hånd. Tidligere undersøgelser har fundet ud af, at nethindebilleder nøjagtigt kan forudsige en persons alder, køn, om de er rygere, eller hvis de er diabetiske eller ikke. Bredden og netværket af blodkar i nethinden påvirkes af blodtryk, en faktor, der er vigtig ved måling kardiovaskulære sundhedsrisici, Også.

Et hold af akademikere ledet af St George's, University of London har udført, hvad de mener er den største AI retinal undersøgelse endnu. Nethindescanninger fra over 70,000 mennesker på tværs af to biomedicinske datasæt, den britiske biobank og European Prospective Investigation into Cancer i Norfolk, blev brugt til at træne og teste QUARTZ – Quantitative Analysis of Retinal kar Topology and siZe – et AI-baseret system, der bruger overvåget læring. "Sensitivitetsanalyser begrænsede modeludvikling og validering til hvid etnicitet," bemærkede forfatterne. 

Ved at studere billeder af øjeæbler og hver deltagers medicinske historie lærer QUARTZ, hvordan almindelige visuelle træk ved nethindescanninger korrelerer med koronar hjertesygdom, hjerteanfald, myokardieinfarkt og slagtilfælde. Systemet kan således ud fra et givet nethindefoto forudsige, om nogen er i risiko for at dø af hjertesygdomme i løbet af de næste fem år.

QUARTZ's præstation blev sammenlignet med Framingham Risk Score (FRS), en algoritme, der bruges til at forudsige chancerne for, at en person udvikler hjerte-kar-sygdom inden for de næste ti år. QUARTZs forudsigelser var generelt lige så nøjagtige eller bedre end FRS, ifølge undersøgelsens resultater, som blev offentliggjort i British Journal of Ophthalmology.

Forskerne mener, at AI-nethindescanninger kan bruges i kliniske omgivelser til at vurdere en patients kardiovaskulære helbred uden behov for at tage blodtryksmålinger eller blodprøver en dag. 

"Retinal billeddannelse er etableret inden for klinik og hospital øjenpleje og i optometrisk praksis i USA og Storbritannien," skrev de i avisen. "AI-aktiveret risikoforudsigelse af vaskulometri er fuldt automatiseret, billig, ikke-invasiv og har potentiale til at nå en højere andel af befolkningen i samfundet på grund af 'high street' tilgængelighed, og fordi blodprøvetagning eller sphygmomanometri ikke er nødvendig."

Forvent dog ikke, at optometrister begynder at tilbyde hjertetjek på et tidspunkt. Der er adskillige tekniske og regulatoriske forhindringer ved implementering af AI-baserede nethindescanninger i kliniske omgivelser.

Der skulle ansættes flere øjenlæger og trænes i at fortolke resultaterne, og hvad sker der så? Hvem ville patienter blive henvist til at modtage terapeutisk behandling, spurgte et par forskere fra University of Dundee i Skotland. 

"Et stort, randomiseret klinisk forsøg - er helt sikkert påkrævet, før retningslinjerne for forebyggelse af CVD-risiko kan ændres til at inkorporere nethindemålinger som en del af vores rutinemæssige risikoforudsigelsesvurdering," de skrev i en redaktion, der kritiserer forskningen. Holdet var enige og sagde, at mere "eksperimentelt bevis ville være nødvendigt for formelt at vurdere effektiviteten af ​​forebyggelse af [kardiovaskulær sygdom], før de går ind for implementering."

Ify Mordi, en klinisk lektor ved University of Dundee, fortalte Registret forsøget skal vise, at AI-systemer er bedre end de nuværende metoder, der bruges til at screene for sygdomme. "Målet for 'bedre' i denne type randomiseret forsøg vil normalt være noget relateret til, hvad du håber at forbedre [såsom] reduktion af dødsfald, hjerteanfald og slagtilfælde," sagde han.

"Det kunne være, at hvis et forsøg viste, at scanning af nethinden var mindst lige så god, hvorfor ville du teoretisk set lave [blodtryks]-målinger og blodprøver, især for eksempel hos diabetespatienter, som alligevel vil tage nethindebilleder? [Det] kunne hjælpe med at reducere byrden på allerede strakte sundhedssystemer." ®