Подразделение Alphabet, занимающееся вопросами здравоохранения, Verily, реализует ряд текущих проектов, которые используют технологии и науку о данных для улучшения здравоохранения. Последний из них применяет машинное обучение к изображениям сетчатки для выявления факторов риска сердечно-сосудистых заболеваний.
В статье, опубликованной сегодня (через The Verge), Verily и команды Google AI подробно описывают свою работу по анализу кровеносных сосудов на задней части глаза для прогнозирования факторов риска, таких как кровяное давление и курение, связанных с сердечно-сосудистыми заболеваниями.
Эти изображения глазного дна — после анализа моделями глубокого обучения — могут определять возраст, пол, статус курения и систолическое артериальное давление. В свою очередь, эти данные коррелируются, чтобы помочь определить, как эти факторы влияют на «основные неблагоприятные сердечные события», такие как сердечные приступы.
Verily обучили эти модели, используя данные почти 300 000 пациентов, а затем система связала эти факторы вместе. Алгоритм в конечном итоге смог с 70% точностью определить, у каких пациентов в конечном итоге развилось заболевание. Для сравнения, текущий стандарт, основанный на анализах крови, позволяет определить с уровнем 72%.
В дополнение к прогнозированию различных факторов риска (возраст, пол, курение, кровяное давление и т. д.) по изображениям сетчатки, наш алгоритм был достаточно точным в прогнозировании риска самого события ССЗ. Наш алгоритм использовал все изображение для количественной оценки связи между изображением и риском сердечного приступа или инсульта.
Эта система может генерировать карты внимания, которые визуально выделяют, как алгоритм приходит к своему выводу. В приведенном выше примере карта внимания зеленым цветом выделяет области, которые коррелируют с различными факторами.
Одним из захватывающих аспектов этого исследования является создание «карт внимания», чтобы показать, какие аспекты сетчатки внесли наибольший вклад в алгоритм, тем самым обеспечивая окно в «черный ящик», часто ассоциируемый с машинным обучением. Это может придать клиницистам большую уверенность в алгоритме и потенциально предоставить новые сведения о признаках сетчатки, ранее не связанных с факторами риска сердечно-сосудистых заболеваний или будущим риском.
Процесс фотографирования сетчатки менее инвазивен и дешевле, чем текущие тесты, такие как КТ-сканирование с коронарным кальцием. Это открывает широкие возможности в области профилактической помощи и скрининга сердечных заболеваний.
Возможность однажды легко понять состояние кровеносных сосудов пациента, ключевое для здоровья сердечно-сосудистой системы, с помощью простого изображения сетчатки может снизить барьер для ведения критически важных разговоров о профилактических мерах по защите от сердечно-сосудистых событий.
Это многообещающее начало, но исследование находится на ранних стадиях, и Verily отмечает, что «необходимо проделать больше работы для разработки и проверки этих выводов на более крупных когортах пациентов, прежде чем это сможет быть внедрено в клиническую практику».
Смотрите 9to5Google на YouTube для получения дополнительных новостей: