Искусственный интеллект Google научился обнаруживать сердечно-сосудистые заболевания с помощью сканирования сетчатки глаза

Специалисты из Google и его дочерней компании Verify нашли новый способ оценки риска развития сердечно-сосудистых заболеваний при помощи искусственного интеллекта. Для этого используется сканирование сетчатки глаза пациента. Статья о разработке опубликована в журнале Nature Biomedical Engineering.

Согласно исследованию, алгоритм предсказывает, имеет ли пациент склонность к серьезным сердечно-сосудистым заболеваниям, к сердечному приступу или инсульту. В основе методики лежит обследование глазного дна при помощи офтальмоскопа - прибора с особыми увеличивающими линзами. На основе данных осмотра можно сделать выводы о возрасте пациента, показателях кровяного давления, склонности к вредным привычкам. Все эти признаки важны и в диагностике предрасположенности к сердечно-сосудистым заболеваниям.

“Нейросети берут данные, которые были получены по одной клинической причине и получают из них больше, чем мы в настоящее время. Вместо того, чтобы заменять врачей, искусственный интеллект пытается расширить то, что мы можем на самом деле делать”, - отметил Люк Оукден-Рейнер, медицинский исследователь из Университета Аделаиды и один из авторов исследования.

Тот факт, что болезни различных органов может быть замечена в сетчатке, не является неожиданностью. Зачастую врачи фиксируют в глазах предрасположенность к некоторым заболеваниям, включая диабет, артериальное давление, высокий уровень холестерина и отдельные виды рака.

В качестве эксперимента исследователи настроили нейронную сеть для выявления сердечно-сосудистых болезней, проанализировав систему снимков сетчатки и медицинских данных у 284 335 пациентов. В первую очередь, алгоритм смотрел на изображения сетчатки - фотографии, которые показывают кровеносные сосуды в глазу. Системе была доступна и базовая информация о пациентах: возраст, пол, этническая принадлежность, индекс массы тела, показатели артериального давления и гликированного гемоглобина.

В итоге программе удалось верно ответить в 70% случаев. Этот результат сопоставим с эффективностью популярной шкалы SCORE (Systematic Coronary Risk Evaluation), по которой риск болезни выявляют в среднем в 72% случаев. При этом SCORE требует результатов анализа крови пациента.

Исследователи считают, что разработка упростит анализ определения состояния здоровья пациентов. Однако до массового использования технологии пока далеко - компания еще не приступила к клиническим испытаниям.

Подобные технологии глубинного обучения широко используются сегодня в таких системах, как поиск изображений Google и распознавание лиц Facebook****. В последние годы они нашли применение в сфере здравоохранения, например, в анализе признаков рака в рентгеновских снимках, которые просматриваются врачами.