像指甲和头发一样，人类视网膜可以提供关于患者整体健康的丰富信息，包括他们患心脏病的风险。尽管目前检测心血管问题的方法涉及一系列昂贵而复杂的测试，但来自谷歌和Verily Life Sciences的一组研究人员最近提出了一种方法，通过部署深度学习算法来获得大致相同的结果。

虽然人类的视觉系统非常有能力解决与我们祖先环境有关的问题，但在很多情况下，虽然它们很接近，但各种细微的线索我们仍然看不见。

对于医学图像，“通常很难观察和量化关联，因为真实数据中有各种特征、模式、颜色、值和形状”——这就是人工智能发挥作用的地方。

在这项研究中，研究团队使用了近30万张视网膜眼底图像，并标记了与心脏疾病相关的信息，如年龄、吸烟状况、血压和身体质量指数(身体质量指数)来训练算法。

经过训练，该算法在12 026和999名患者的两个独立数据集上进行了松散测试。光看图片，就能估算出患者五年的心脏病风险和我们今天最好的方法，并减去相关费用。

该算法还旨在报告其诊断重点。对于年龄、血压、吸烟状况等，它关注视网膜血管的多种特征，通过更广泛地考虑眼睛的不同特征来检测性别。

有趣的是，当被问及该算法在寻找与身体质量指数的相关性时关注什么时，它没有报告任何可清晰识别的特征集，这表明它在视网膜上“看到”的模式根本不可用。

研究人员还注意到，对于深度学习算法来说，一组30万次扫描实际上非常小，考虑到可以使用更多的数据，这对于未来的改进是有希望的。

由于现代临床方法的性能需要提高，所以肯定需要改进——与诊断相关的成本相对较高，但准确性不高。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：