研究人员开发人工智能系统可分析视网膜扫描图像中心脏病发作迹象

2022-01-28 10:53:50 来源：智东西

英国利兹大学研究小组的一项新成果登上国际学术顶刊 Nature 的子刊 Nature Machine Intelligence。研究人员开发了一种 AI(人工智能)系统，该系统通过深度学习算法来训练，可以分析视网膜扫描图像中的心脏病发作迹象，识别准确率在 70%-80% 之间。

AI 系统可以自动读取视网膜图像扫描，预测未来一年中该患者是否有心脏病发作的风险，并且眼部扫描的图像在一般配镜师或眼科诊所中就能获得。

这项研究由利兹大学领导联合中科院宁波慈溪生物医学工程研究所、英国约克大学、法国蔚蓝海岸大学等研究人员进行，系统训练的数据由英国生物样本库(UK Bio-bank)提供。

一、自动筛查视网膜图像，预测一年内心脏病风险

最近的研究表明，视网膜图像上的视网膜血管密度或弯曲度等生物标记物与心功能相关，并可能预示着患者的心脏病发作风险。

研究人员通过研究心脏左室质量(LVM)和左室舒张末期容积(LVEDV)，证明使用视网膜图像和基本人口数据可以预测患者的心肌梗死风险。

“该研究可能会改变我们筛查和追踪心脏病早期症状的方式。”负责监督此项研究的亚历克斯・弗兰基(Alex Frangi)说。他目前在英国利兹大学担任计算医学钻石禧年(Diamond Jubilee)教授，也是艾伦图灵研究所(Alan Turing Institute)的图灵研究员，“包括心脏病在内的心血管疾病，是全球早期患者死亡的主要原因，也是英国的第二大疾病杀手。”

“那些参加常规眼科筛查的人，未来患心血管疾病的风险更高。视网膜 AI 系统识别可以更早地开始预防性治疗，以防范心血管疾病。”利兹大学心血管医学教授克里斯・盖尔(Chris Gale)说，他也是这篇论文的作者之一。

视网膜 AI 辅助诊断心脏病的系统一旦普及，就可以用于眼镜店、眼科诊所的自动筛查，有高患病风险的患者就可以及时发现，并转诊给心脏病领域的专科医生。

二、视网膜变化 + 基本人口信息，就能判断心脏病风险

深度学习过程中，这个 AI 系统使用来自英国生物银行的数据进行训练，分析了 5000 多人的视网膜扫描和心脏扫描图像，已确定患者视网膜病理与心脏变化之间的关系。

学习了图像模型后，该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。一般情况下，心室扩大就代表着心脏病风险增加。

这 5000 个人的左心室大小变化及其泵送频率的信息，与患者的年龄、性别等基本数据统一起来，AI 系统就可以预测他们在未来 12 个月内心脏病发作的风险。

AI 系统的使用能大大降低心脏病诊断测试的未来成本。现在为了确定心室大小和泵送效率，患者需要进行超声心动图或者心脏磁共振成像等测试。目前，上述测试的限制较多，只能在医院中测试并且成本较高。因此，在不发达或医疗保健资源较少的地区，他们的患者医疗成本和等待时间可能会很长。

利兹大学英国心脏基金会心血管影像学教授、该研究论文的作者之一斯文・普莱因(Sven Plein)说：“AI 系统是解开自然界中存在的复杂模式的绝佳工具，正是我们发现的 —— 视网膜变化与心脏变化相关的复杂模式。”

三、视网膜图像质量参差，训练数据受限

诚然，这项研究中也存在局限性。

首先，研究人员称，使用视野较小的视网膜图像，或不包含黄斑和视盘的图像可能会影响该方法的性能。同样，对比度、照明和图像质量的变化也会显著影响结果。

其次，用于训练和评估拟议方法的患者基本数据和图像采集参数方面存在同质性。据了解，可用的公开数据集只有两个，分别是英国生物样本库(UK Biobank)和年龄相关性眼病研究机构(AREDS)，上述两个机构提供了与相应患者视网膜图像相关的患者人口统计学和心肌梗死事件信息。