图灵汇官网

新闻概要

近日，英国利兹大学及其合作伙伴在国际顶级期刊《自然》的子刊《自然机器智能》发布了一项创新成果。研究团队研发了一款AI系统，该系统运用深度学习技术，能从视网膜扫描图像中识别心脏病发作的迹象，准确率在70%至80%之间。

AI系统的应用与优势

• 自动分析与预测：该AI系统能够自动读取视网膜图像，预测一年内患者是否面临心脏病发作的风险。
• 便捷获取：眼部扫描图像可在普通眼镜店或眼科诊所轻易获取。
• 多机构合作：此研究由利兹大学领导，与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机构共同完成，数据支持来自英国生物样本库。

科研发现与应用前景

• 视网膜与心脏关联：研究揭示视网膜图像上的生物标志物，如血管密度和弯曲度，与心脏功能密切相关，预示潜在的心脏病风险。
• 预测与预防：通过分析心脏左室质量和左室舒张末期容积，系统能预测心脏病发作的风险，为早期干预提供依据。

专家观点

• 亚历克斯·弗兰基教授指出，这一研究可能革新心脏病筛查和追踪方式，特别是对于心血管疾病这一导致早期患者死亡的主要原因以及英国第二大疾病杀手而言。
• 克里斯·盖尔教授强调，定期进行眼科检查的人群未来心脏病风险较高，AI系统有助于提早识别并采取预防措施，防止心血管疾病。

技术与数据

• 深度学习与数据集：AI系统基于英国生物样本库提供的数据进行训练，分析了超过5000人的视网膜扫描和心脏扫描图像，确定了视网膜病变与心脏变化之间的关系。
• 预测机制：通过分析左心室的大小和泵送效率，AI系统能估计患者未来一年内心脏病发作的可能性。

成本与普及性

• 成本降低：AI系统的应用有望大幅降低心脏病诊断的成本，减少患者在医院进行超声心动图或心脏磁共振成像等测试的需求。
• 医疗资源优化：特别是在医疗资源有限的地区，AI系统能加速心脏病的早期发现，缩短患者等待时间和医疗成本。

局限性与展望

• 数据集的局限：研究中使用的数据集在视野大小、图像质量以及参与者的年龄分布等方面存在一定的限制，影响了方法的通用性。
• 数据异质性：虽然英国生物样本库提供了更为多样化的数据集，但仍然面临数据集中心脏病病例比例较低的挑战。
• 未来工作：未来的研究将聚焦于构建更广泛、更具代表性的数据集，以进一步提升AI系统的准确性和实用性。

结语

医疗AI领域持续展现出强大的潜力，尤其是在视网膜辅助诊断方面。随着技术的不断进步和应用范围的扩大，AI系统有望在眼科诊所、眼镜店等日常健康检查中发挥重要作用，推动医疗技术的普惠化发展。