，本周二，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。

英国生物样本库的视网膜图像

研究人员通过研究心脏左室质量和左室舒张末期容积，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说他目前在英国利兹大学担任计算医学钻石禧年教授，也是艾伦图灵研究所的图灵研究员，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

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

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根据消息显示，可用的公开数据集只有两个，分别是英国生物样本库和年龄相关性眼病研究机构，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

年龄相关性眼病研究机构的数据集是在之前用于评估年龄相关性黄斑变形研究中收集的，用于评估年龄相关性黄斑变性的研究因此，该数据集的大多数参与者平均年龄为 70 岁，并非处于心肌梗死发病率迅速上升的年龄

本次研究中采用的是英国生物样本库提供的 5000 多名患者数据，相比于年龄相关性眼病研究机构，英国生物银行的数据异质性较高，其人口数据基本上是健康的因此，数据集中记录的视网膜图像采集后的心肌梗死病例在总人口中的比例相对较低，可以为训练和验证提供更多异构数据

有效的数据集对于将正在开发的解决方案转化为实际临床应用至关重要，这将是研究人员未来工作的主题。PragmatIC称，柔性6502研发出来不到两周，就已经进行了第二次迭代，以优化引脚排列，占位面积等。这样的速度对于传统的硅基芯片来说几乎是不可能的，展示了FlexICFoundry“改变游戏规则”的能力。

结语:视网膜诊断系统加速 AI 应用落地

最近几年来，医疗 AI 赛道涌现了多项突破性成就，尤其在视网膜辅助诊断领域除利兹大学的视网膜诊断心血管疾病，我国广州中山大学中山眼科中心的系统可识别糖尿病，高血压等全身性疾病，国内视网膜影像 AI 创企鹰瞳科技的算法能识别 55 种健康风险

视网膜 AI 辅助诊断系统，能够将医疗场景进一步扩大，适用于眼科诊所，眼镜店等常见区域，降低医疗成本，更快发现突发性疾病视网膜 AI 辅助诊断系统将进一步促进 AI 技术普惠

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。