扫描视网膜，AI可知心脏病风险

　　据最新一期《自然·；机器智能》杂志报道，英国研究人员开发了一种人工智能（AI）系统，可通过分析在常规访问眼镜店或医院眼科时留下的眼部扫描数据，识别出心脏病发作高风险患者。该AI系统的识别准确率在70%&mdash；80%之间，可作为心血管疾病筛查的第二转诊机制。

　　视网膜微小血管的变化是更广泛的血管疾病，包括心脏问题的指标。在英国利兹大学领导的这项研究中，研究人员利用深度学习技术训练AI系统自动读取视网膜扫描数据，并识别那些在接下来的一年中可能会得心脏病的人。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作出预测。

　　领导这项研究的利兹大学计算医学教授艾利克斯·；弗兰吉说：这项技术有可能彻底改变心脏病筛查。视网膜扫描相对便宜，并且在许多配镜服务中经常使用。作为自动筛查的结果，可将患病风险高的人转诊至专科进行治疗。

　　英国生物银行为这项研究提供了数据。在深度学习过程中，AI系统分析了5000多人的视网膜扫描和心脏扫描数据。AI系统确定了视网膜病变与患者心脏变化之间的关联。

　　一旦学习了图像模式，AI系统就可以仅通过视网膜扫描来估计左心室（心脏的四个腔室之一）的大小和泵送效率。心室扩大与心脏病风险增高有关。借助有关左心室估测大小及其泵送效率的信息以及有关患者年龄、性别等基本人口统计数据，AI系统可预测他们在接下来的12个月内心脏病发作的风险。

　　目前，只有在进行了超声心动图或心脏磁共振成像等诊断测试后，才能确定患者左心室的大小和泵送效率的详细信息。这些诊断测试通常很昂贵，而且只能在医院中使用，这使得医疗保健系统资源较少的国家的人们无法获得，在发达国家也增加了医疗保健成本和等待时间。

　　利兹大学英国心脏基金会心血管影像学教授、该研究论文的作者之一斯温·；普雷恩说：AI系统是解开自然界中存在的复杂模式的绝佳工具，而我们发现的与心脏变化相关的视网膜变化复杂模式，正是其中之一。

　　据最新一期《自然·；机器智能》杂志报道，英国研究人员开发了一种人工智能（AI）系统，可通过分析在常规访问眼镜店或医院眼科时留下的眼部扫描数据，识别出心脏病发作高风险患者。该AI系统的识别准确率在70%&mdash；80%之间，可作为心血管疾病筛查的第二转诊机制。

　　视网膜微小血管的变化是更广泛的血管疾病，包括心脏问题的指标。在英国利兹大学领导的这项研究中，研究人员利用深度学习技术训练AI系统自动读取视网膜扫描数据，并识别那些在接下来的一年中可能会得心脏病的人。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作出预测。

　　领导这项研究的利兹大学计算医学教授艾利克斯·；弗兰吉说：这项技术有可能彻底改变心脏病筛查。视网膜扫描相对便宜，并且在许多配镜服务中经常使用。作为自动筛查的结果，可将患病风险高的人转诊至专科进行治疗。

　　英国生物银行为这项研究提供了数据。在深度学习过程中，AI系统分析了5000多人的视网膜扫描和心脏扫描数据。AI系统确定了视网膜病变与患者心脏变化之间的关联。

　　一旦学习了图像模式，AI系统就可以仅通过视网膜扫描来估计左心室（心脏的四个腔室之一）的大小和泵送效率。心室扩大与心脏病风险增高有关。借助有关左心室估测大小及其泵送效率的信息以及有关患者年龄、性别等基本人口统计数据，AI系统可预测他们在接下来的12个月内心脏病发作的风险。

　　目前，只有在进行了超声心动图或心脏磁共振成像等诊断测试后，才能确定患者左心室的大小和泵送效率的详细信息。这些诊断测试通常很昂贵，而且只能在医院中使用，这使得医疗保健系统资源较少的国家的人们无法获得，在发达国家也增加了医疗保健成本和等待时间。

　　利兹大学英国心脏基金会心血管影像学教授、该研究论文的作者之一斯温·；普雷恩说：AI系统是解开自然界中存在的复杂模式的绝佳工具，而我们发现的与心脏变化相关的视网膜变化复杂模式，正是其中之一。