Известно, что изменения в крошечных кровеносных сосудах сетчатки являются индикаторами более широких сосудистых заболеваний, включая проблемы с сердцем. В исследовании, проведенном Университетом Лидса, методы глубокого обучения использовались для обучения системы искусственного интеллекта считыванию сканов сетчатки и выявлению тех людей, у которых в течение следующего года, скорее всего, случится сердечный приступ.
В процессе глубокого обучения система искусственного интеллекта проанализировала снимки сетчатки и сердца более 5000 человек и выявила ассоциации между патологией в сетчатке и изменениями в сердце пациента.
Теперь, изучив изображение сетчатки, эта система может оценить размер и эффективность работы одной из четырех камер сердца – левого желудочка, увеличение которого связано с повышенным риском сердечных заболеваний.
Имея информацию о предполагаемом размере левого желудочка и его насосной эффективности в сочетании с основными демографическими данными о пациенте, его возрасте и поле, система искусственного интеллекта делает прогноз риска сердечного приступа в течение последующих 12 месяцев.
Тестирование новой системы показало, что она имеет точность от 70% до 80%, что является очень неплохим показателем и дает возможность совершить революцию в скрининге сердечных заболеваний.
В настоящее время подробности о размере и насосной эффективности левого желудочка пациента можно определить только при наличии диагностических тестов, таких как эхокардиография или магнитно-резонансная томография сердца. Эти диагностические тесты могут быть дорогими и доступными только в условиях стационара.
В то же врем сканирование сетчатки сравнительно дешево и может проводиться в обычных офтальмологических кабинетах. В результате автоматизированного скрининга пациенты с высоким риском сердечного приступа могут быть направлены к кардиологу.
Использованы фото Shutterstock/FOTODOM UKRAINE
Andres Diaz-Pinto, Nishant Ravikumar, Rahman Attar, Avan Suinesiaputra, Yitian Zhao, Eylem Levelt, Erica Dall’Armellina, Marco Lorenzi, Qingyu Chen, Tiarnan D. L. Keenan, Elvira Agrón, Emily Y. Chew, Zhiyong Lu, Chris P. Gale, Richard P. Gale, Sven Plein, Alejandro F. Frangi. Predicting myocardial infarction through retinal scans and minimal personal information. Nature Machine Intelligence, 2022; DOI: 10.1038/s42256-021-00427-7
