科学家开发了一种人工智能系统，可以分析在眼科医生或眼科诊所例行检查时进行的眼部扫描，并识别出心脏病发作高风险的患者。

　　医生们已经认识到，视网膜上微小血管的变化是更广泛血管疾病的指标，包括心脏问题。

　　在利兹大学领导的这项研究中，深度学习技术被用于训练人工智能系统，以自动读取视网膜扫描结果，并识别哪些人在接下来的一年里可能会心脏病发作。

　　深度学习是一系列复杂的算法，使计算机能够识别数据中的模式并做出预测。

　　研究人员在《自然机器智能》杂志上发表论文称，通过视网膜扫描和最小的个人信息预测梗死，人工智能系统的准确率在70%到80%之间，可以用作深入心血管检查的第二种转诊机制。

　　在视网膜扫描分析中使用深度学习可能会彻底改变患者定期筛查心脏病迹象的方式。

　　Alex Frangi教授是利兹大学计算学院计算医学钻石庆典主席，也是艾伦图灵研究所的图灵研究员，他监督了这项研究。他说:“心血管疾病，包括心脏病发作，是全球早逝的主要原因，也是英国的第二大杀手。这在全世界造成了长期的不健康和痛苦。

　　“这项技术为心脏病筛查带来了革命性的可能性。视网膜扫描相对便宜，在许多眼科医生的实践中被常规使用。由于自动筛查的结果，患病风险高的患者可以被转介到专家心脏服务。

　　“该系统还可用于追踪心脏病的早期迹象。”

　　英国生物银行为这项研究提供了数据。

　　利兹大学心血管医学教授克里斯·盖尔(Chris Gale)是该研究论文的作者之一，他也是利兹教学医院NHS信托基金的心脏病顾问专家。

　　他说:“人工智能系统有可能识别出参加常规眼部筛查的人，他们未来患心血管疾病的风险更高，从而可以更早地开始预防性治疗，以预防过早的心血管疾病。”

　　在深度学习过程中，人工智能系统分析了5000多人的视网膜扫描和心脏扫描。人工智能系统识别了视网膜病理与患者心脏变化之间的关联。

　　一旦了解了图像模式，人工智能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。左心室是心脏的四个腔室之一。心室增大会增加患心脏病的风险。

　　有了左心室的估计大小及其泵血效率的信息，再加上患者的基本人口统计数据、年龄和性别，人工智能系统就可以预测他们在接下来的12个月里心脏病发作的风险。

　　目前，只有通过超声心动图或心脏磁共振成像等诊断测试，才能确定患者左心室的大小和泵血效率的细节。这些诊断测试可能很昂贵，而且通常只能在医院环境中进行，这使得医疗系统资源不太充足的国家的人无法获得它们，或者在发达国家不必要地增加了医疗成本和等待时间。

　　利兹大学英国心脏基金会心血管成像教授、该研究论文的作者之一Sven Plein说:“人工智能系统是一个很好的工具，可以解开自然界中存在的复杂模式，这就是我们所发现的——视网膜变化的复杂模式与心脏变化有关。”

　　来源:利兹大学