Populiarios Temos
„Google AI“ parodo, kaip akys gali atskleisti širdies priepuolio riziką
Širdies ir kraujagyslių ligos yra pagrindinė mirties priežastis visame pasaulyje, ir mokslininkai žino, kad prie to prisideda gyvenimo būdo veiksniai, įskaitant mankštą ir mitybą kartu su genetiniais veiksniais, amžiumi, etnine kilme ir lytimi.
AI siūlo mums naujų, mažiau invazinių širdies sveikatos testų potencialą - prognozuojant širdies ir kraujagyslių rezultatus iš tinklainės vaizdų su kompiuterio regėjimu, skatinant ankstyvus rezultatus. (Šaltinis: failo nuotrauka) Žinoti širdies priepuolio ar insulto riziką netrukus gali būti taip paprasta, kaip akių tyrimas, nes „Google“ tyrėjai ir jos sveikatos technologijų grupė iš tikrųjų nustatė, kad dirbtinis intelektas (AI) ir mašinų mokymasis (ML) gali padėti nustatyti širdies signalus ligos per tinklainės vaizdus.
AI siūlo mums naujų, mažiau invazinių širdies sveikatos testų potencialą - prognozuojant širdies ir kraujagyslių sistemos rezultatus iš tinklainės vaizdų su kompiuterio regėjimu - skatinant ankstyvus rezultatus! “, - antradienį sakė„ Google “generalinis direktorius Sundar Pichai, nurodydamas tyrimą„ Twitter “.
Tyrimas, paskelbtas žurnale „Nature Biomedical Engineering“, parodė, kad gilus mokymasis, taikomas tinklainės dugno vaizdui, nuotraukai, apimančiai akies kraujagysles, gali numatyti širdies ligų rizikos veiksnius - nuo kraujospūdžio iki rūkymo būklės.
Tyrėjų sukurtas algoritmas netgi gali padėti numatyti būsimo didelio širdies ir kraujagyslių sistemos įvykio atsiradimą, lygiavertį dabartinėms priemonėms, tinklaraščio įraše sakė Michaelas McConnellas, „Verily“ širdies ir kraujagyslių sveikatos inovacijų vadovas.
Širdies ir kraujagyslių ligos yra pagrindinė mirties priežastis visame pasaulyje, ir mokslininkai žino, kad prie to prisideda gyvenimo būdo veiksniai, įskaitant mankštą ir mitybą kartu su genetiniais veiksniais, amžiumi, etnine kilme ir lytimi.
Tačiau jie tiksliai nežino, kaip šie veiksniai susilieja su konkrečiu asmeniu, todėl kai kuriems pacientams tampa būtina atlikti sudėtingus tyrimus, pvz., Vainikinių arterijų kalcio tomografiją, siekiant padėti geriau suskirstyti asmens riziką susirgti širdies priepuoliu ar. insultas ir kiti širdies ir kraujagyslių sutrikimai.
neryškus raudonas ir juodas vikšras
Šiame tyrime, naudojant gilaus mokymosi algoritmus, apmokytus pagal 284 335 pacientų duomenis, tyrėjai sugebėjo iš tinklainės vaizdų nuspėti širdies ir kraujagyslių rizikos veiksnius stebėtinai tiksliai pacientams iš dviejų nepriklausomų 12 026 ir 999 pacientų duomenų rinkinių.
Remiantis tyrimu, šis algoritmas galėjo atskirti rūkančiojo tinklainės vaizdus nuo nerūkančiojo 71 proc.
Be to, nors gydytojai paprastai gali atskirti pacientų, sergančių sunkiu aukštu kraujospūdžiu, tinklainės vaizdus ir normalius pacientus, mūsų algoritmas gali būti dar didesnis, kad būtų galima numatyti sistolinį kraujospūdį vidutiniškai 11 mmHg pacientams, įskaitant pacientus, kurių kraujospūdis aukštas ir be jo spaudimą, sakė tyrimo bendraautorė Lily Peng, „Google Brain Team“ produktų vadovė.
Vienas iš įdomių šio tyrimo aspektų yra „dėmesio žemėlapių“ generavimas, siekiant parodyti, kurie tinklainės aspektai labiausiai prisidėjo prie algoritmo, taip suteikiant langą į „juodąją dėžę“, dažnai susijusią su mašininiu mokymusi, McConnell, kuris taip pat yra sakė tyrimo bendraautorius.
Tai gali suteikti gydytojams didesnį pasitikėjimą algoritmu ir galbūt suteikti naujų įžvalgų apie tinklainės ypatybes, kurios anksčiau nebuvo susijusios su širdies ir kraujagyslių rizikos veiksniais ar būsima rizika, sakė McConnell.
Išvados rodo, kad paprastas tinklainės vaizdas vieną dieną gali padėti suprasti paciento kraujagyslių sveikatą, kuri yra raktas į širdies ir kraujagyslių sveikatą.
Tai yra daug žadantis, tačiau ankstyvas tyrimas - reikia daugiau nuveikti, kad būtų galima išplėsti ir patvirtinti šias išvadas apie didesnes pacientų grupes, prieš tai pasiekiant klinikinę aplinką, pridūrė McConnell.
įvairių tipų kambarinės palmės