真·心灵的窗户!人工智能通过扫描视网膜,预测心脏病发作

简介: 真·心灵的窗户!人工智能通过扫描视网膜,预测心脏病发作

image.png

配眼镜的时候,就能看出来你有没有心脏病发作风险,是不是很神奇?


这不是什么科幻故事,而是一项正在走进现实的研究。


视网膜的微小血管或眼睛后部的细微变化可以显示出一个人可能有心脏病发作的迹象,这使得人工智能有了用武之地。


这项研究发表在Nature Machine Intelligence,题目就叫「通过视网膜扫描和最少的个人信息来预测心肌梗死」(Predicting myocardial infarction through retinal scans and minimal personal information)。


image.png


论文地址:

https://www.nature.com/articles/s42256-021-00427-7


在AI眼里,眼睛是怎么成为心灵的窗户?


心血管疾病是英国第二大杀手,每年导致16万人死亡,平均每天有460人死亡。在美国,每年有659,000人死于心脏病。


心脏是血液循环的核心,心脏出问题,必然会导致血液循环问题,血液循环问题又会导致视网膜细胞受损并死亡,留下永久性的印记。


利兹大学的研究人员就通过这一原理推进了这项AI通过视网膜识别一年内有心脏病发作的患者,准确率高达80% 。来自约克、中国、法国、美国和比利时的科学家也参与了这项研究。


AI模型如何被训练出来,如何通过调试各种参数达到最高的准确率,如何保证模型鲁棒性和排除过拟合,这些文摘的读者都应该很熟悉了,这一切最关键的还是数据。


为了训练这种人工智能,研究人员一共找了5000多名英国人的视网膜扫描图,再加上患者的基本医学数据,比如年龄和性别,然后让它将病人视网膜的损伤迹象与心脏的变化联系起来。对比数据是病人的历史数据,可以看出他们是否遭受过心脏病。


image.gifimage.png


训练后的AI可以估计左心室的大小和泵血功效,左心室扩大或泵血低效是心脏病的一个指标。


以后验光师就可以提醒心脏病风险?


目前扫描左心室的技术有两种——一种称为超声心动图的超声波扫描,第二种是心脏的核磁共振成像。


这两种方法都很昂贵,而且只能在医院进行,因此开发其他评估心脏健康的方法可以节省普通人的时间和金钱。尤其是在那些能力极其有限,无法进行昂贵的心脏扫描的国家是有用的。


image.gifimage.png


从结果来看,利兹大学的这项研究可以达到几乎可以达到在医院心脏专科的检查效果,而检查视网膜要比拍超声或者核磁要便宜多了。


视网膜是位于眼球后面与瞳孔相对的一层细胞。它负责将进入眼睛的光转化为化学信息。这些化学信息被发送到大脑,并作为形成我们视觉的图像进行解释。


image.png


这是因为血液循环不良可能是心脏病的早期指标,可能导致部分视网膜死亡,留下永久性的印记,这个可以在标准的视力测试中被检测出来。


在实力测试中,验光师经常观察双眼的视网膜,寻找其他健康问题的迹象。在英国和许多国家的的一些验光师中,人们可以获得更深入、更专业的视网膜图像扫描,如果能在这个过程中顺便能提示心脏病的风险,对公共健康来说是大有裨益的。


一些研究表明,被忽视的心脏病发作几乎占到一半,而另一些研究则估计为五分之一,在英国,就有大约有1400万人被认为患有高血压,这是心脏病发作的主要危险因素之一,其中有500万人没有意识到自己正处于危险之中。


相关报道:

https://www.nature.com/articles/s42256-021-00427-7https://www.indiatimespost.com/routine-eye-tests-can-flag-up-people-at-risk-of-suffering-a-heart-attack/https://www.eurekalert.org/news-releases/940939https://spectrum.ieee.org/retina-scan

相关文章
|
机器学习/深度学习 人工智能 文字识别
人工智能引领图文扫描新趋势
人工智能引领图文扫描新趋势
|
机器学习/深度学习 人工智能 数据可视化
《自然-人工智能》:AI助力 4D 核磁共振扫描,数据处理速度提高 30 倍!
近日,来自苏黎世大学生物医学工程学院 Valery Vishnevskiy 教授的研究团队,成功开发了一种深度学习网络,可以显著加速 4D flow MRI 数据处理。这个深度学习模型有望让临床医师在患者接受核磁共振扫描的同时,实时观察血流变化,从而优化诊断工作流。
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
34 0
|
20天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
26 0
|
11天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
6天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
103 10
|
13天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
52 9
|
16天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####
|
19天前
|
机器学习/深度学习 人工智能 自然语言处理
探索未来编程:Python在人工智能领域的深度应用与前景###
本文将深入探讨Python语言在人工智能(AI)领域的广泛应用,从基础原理到前沿实践,揭示其如何成为推动AI技术创新的关键力量。通过分析Python的简洁性、灵活性以及丰富的库支持,展现其在机器学习、深度学习、自然语言处理等子领域的卓越贡献,并展望Python在未来AI发展中的核心地位与潜在变革。 ###
|
19天前
|
机器学习/深度学习 数据采集 人工智能
探索人工智能在医疗诊断中的应用与挑战
随着人工智能技术的飞速发展,其在医疗领域的应用日益广泛,尤其是在疾病诊断方面展现出巨大的潜力。本文将深入探讨AI技术在医疗诊断中的应用现状、面临的挑战以及未来的发展趋势,旨在为相关领域的研究者和从业者提供参考和启示。
41 2