英国利兹大学研究：常规眼科检查可用来预测心脏病患病风险

科学家们开发了一种人工智能 (AI) 系统，该系统可以分析常规眼部扫描结果，并识别出心脏病发作高风险的患者。

医生已经认识到，视网膜微小血管的变化是血管疾病的重要指标，包括心脏问题。

在由利兹大学领导的研究中，深度学习技术被用来训练人工智能系统自动读取视网膜扫描并识别那些近期可能会心脏病发作的人。

深度学习是一系列复杂的算法，使计算机能够识别数据中的模式并做出预测。

研究人员在《自然机器智能》杂志上写道，人工智能系统的准确率在 70% 到 80% 之间，可以用作深入心血管调查的第二转诊机制。

在视网膜扫描分析中使用深度学习可能会彻底改变患者定期筛查心脏病迹象的方式。

Alex Frangi 教授是利兹大学计算医学主席，也是艾伦图灵研究所的图灵研究员，他领导了这项研究。他说：“心血管疾病，包括心脏病发作，是全球早期死亡的主要原因，也是英国的第二大杀手。这会导致全世界的痛苦。”

“这项技术彻底改变心脏病筛查的方式。视网膜扫描相对便宜，并且在许多配镜实践中常规使用。由于自动筛查，有高患病风险的患者可以转诊给专科医生心脏服务。因此，扫描也可以用来追踪心脏病的早期迹象。”

该研究涉及广泛的全球合作，包括利兹大学、利兹教学医院、约克大学、中国科学院宁波慈溪生物医学影像研究所、法国蔚蓝海岸大学、美国国立卫生研究院、比利时KU Leuven。

同时，英国生物银行为这项研究提供了数据。

利兹大学心血管医学教授 Chris Gale 是该研究论文的作者之一。他说：“人工智能系统有可能识别那些参加常规眼科筛查的人，这些人未来患心血管疾病的风险更高，从而可以更早地开始预防性治疗，以预防过早的心血管疾病。”

深度学习

在深度学习过程中，人工智能系统分析了 5000 多人的视网膜扫描和心脏扫描。人工智能系统确定了视网膜病变与患者心脏变化之间的关联。

一旦学习了图像模式，人工智能系统就可以仅通过视网膜扫描来估计左心室（心脏的四个腔室之一）的大小和泵送效率。心室扩大与心脏病风险增加有关。

借助左心室大小及其泵送效率的信息以及有关患者、年龄和性别等基本数据，人工智能系统可以预测他们在接下来的 12 个月内心脏病发作的风险。

目前，只有在进行了超声心动图或心脏磁共振成像等诊断测试后，才能确定患者左心室的大小和泵送效率的详细信息。这些诊断测试可能很昂贵，并且通常只能在医院环境中使用，这使得医疗保健系统资源较少的国家的人们无法及时获得有效检查，或者在发达国家不必要地增加了医疗保健成本和等待时间。

利兹大学教授、该研究论文的作者之一Sven Plein说：“人工智能系统是解开自然界复杂模式的绝佳工具，正因为如此，我们在这里发现了与心脏变化相关的视网膜变化的复杂模式。”

本文由升哲科技编译，转载请注明。