Відомо, що зміни у крихітних кровоносних судинах сітківки є індикаторами ширших судинних захворювань, включаючи проблеми із серцем. У дослідженні, проведеному Університетом Лідса, методи глибокого навчання використовувалися для навчання системи штучного інтелекту зчитування сканів сітківки та виявлення тих людей, у яких протягом наступного року, швидше за все, станеться серцевий напад.
У процесі глибокого навчання система штучного інтелекту проаналізувала знімки сітківки та серця понад 5000 осіб та виявила асоціації між патологією у сітківці та змінами у серці пацієнта.
Тепер, вивчивши зображення сітківки, ця система може оцінити розмір та ефективність роботи однієї з чотирьох камер серця – лівого шлуночка, збільшення якого пов’язане із підвищеним ризиком серцевих захворювань.
Маючи інформацію про передбачуваний розмір лівого шлуночка та його насосну ефективність у поєднанні з основними демографічними даними про пацієнта, його віком і статтю, система штучного інтелекту робить прогноз ризику серцевого нападу протягом наступних 12 місяців.
Тестування нової системи показало, що вона має точність від 70% до 80%, що є дуже непоганим показником і дає можливість зробити революцію у скринінгу серцевих захворювань.
На даний час подробиці про розмір та насосну ефективність лівого шлуночка пацієнта можна визначити лише за наявності діагностичних тестів, таких як ехокардіографія або магнітно-резонансна томографія серця. Ці діагностичні тести можуть бути дорогими та доступними лише в умовах стаціонару.
У той же час сканування сітківки порівняно дешево і може проводитися у звичайних офтальмологічних кабінетах. Внаслідок автоматизованого скринінгу пацієнти з високим ризиком серцевого нападу можуть бути спрямовані до кардіолога.
Використані 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
