根据英国的一项研究，人工智能算法可以通过研究他们的视网膜图像来预测患者是否有中风、心脏病发作或死于心脏病的风险。
眼球后部对光敏感的薄薄组织层可以自行揭示大量信息。 以前的研究发现，视网膜图像可以准确预测一个人的年龄、性别、是否吸烟或是否吸烟。 糖尿病患者 或不。 视网膜血管的宽度和网络受血压的影响，血压是测量的一个重要因素 心血管健康风险了。
由伦敦大学圣乔治学院领导的一组学者进行了他们认为是最大的人工智能 视网膜研究 然而。 来自英国生物银行和诺福克的欧洲癌症前瞻性调查这两个生物医学数据集的 70,000 多人的视网膜扫描被用来训练和测试 QUARTZ——视网膜血管拓扑和尺寸的定量分析——一个使用监督学习的基于人工智能的系统。 “敏感性分析将模型开发和验证限制在白人种族，”作者指出。
通过研究眼球图像和每位参与者的病史，QUARTZ 了解视网膜扫描中常见的视觉特征与冠心病、心脏病发作、心肌梗塞和中风之间的关系。 因此，该系统可以根据给定的视网膜照片预测某人在未来五年内是否有死于心脏病的风险。
QUARTZ 的表现与弗雷明汉风险评分 (FRS) 进行了比较，这是一种用于预测一个人在未来十年内患心血管疾病的机会的算法。 根据发表在英国眼科学杂志上的研究结果，QUARTZ 的预测通常与 FRS 一样准确或更好。
研究人员认为，人工智能视网膜扫描可以在临床环境中用于评估患者的心血管健康状况，而无需每天进行血压测量或血液检查。
他们在论文中写道：“视网膜成像在美国和英国的诊所和医院眼科护理以及验光实践中建立起来。” “支持人工智能的血管测量风险预测是全自动、低成本、非侵入性的，并且由于‘商业街’的可用性以及不需要采血或血压计，因此有可能覆盖社区中更高比例的人口。”
但是，不要指望验光师很快就会开始提供心脏检查。 在临床环境中部署基于人工智能的视网膜扫描存在许多技术和监管障碍。
必须雇用更多的眼科医生并接受培训来解释结果，接下来会发生什么？ 苏格兰邓迪大学的两位研究人员问道，谁会被转介接受治疗。
“在改变 CVD 风险预防指南以将视网膜测量纳入我们常规风险预测评估的一部分之前，肯定需要进行大型随机临床试验，”他们 写 在一篇评论研究的社论中。 该团队同意并表示，“在提倡实施之前，需要更多的实验证据来正式评估[心血管疾病]预防的有效性。”
邓迪大学临床高级讲师 Ify Mordi 告诉 注册 该试验需要证明人工智能系统比目前用于筛查疾病的方法更好。 “在这种类型的随机试验中，‘更好’的衡量标准通常与你希望改善的事情有关，例如减少死亡、心脏病发作和中风，”他说。
“可能是，如果一项试验显示视网膜扫描至少和理论上一样好，那么理论上你为什么要进行 [血压] 读数和验血，尤其是对于无论如何都会获得视网膜照片的糖尿病患者？ [它]可以帮助减轻已经捉襟见肘的医疗保健系统的负担。” ®
