Beliebte Beiträge
Google AI zeigt, wie Augen das Herzinfarktrisiko aufdecken können
Herz-Kreislauf-Erkrankungen sind weltweit die häufigste Todesursache und Forscher wissen, dass Lebensstilfaktoren wie Bewegung und Ernährung in Kombination mit genetischen Faktoren, Alter, ethnischer Zugehörigkeit und Geschlecht dazu beitragen.
KI bietet uns das Potenzial für neue, weniger invasive Tests für die Herzgesundheit – die Vorhersage von kardiovaskulären Ergebnissen aus Netzhautbildern mit Computer Vision – und fördert frühe Ergebnisse. (Quelle: Datei Foto) Das Risiko eines Herzinfarkts oder Schlaganfalls zu kennen, könnte bald so einfach sein wie ein Sehtest, da Forscher von Google und seinem Gesundheitstechnologie-Arm Verily herausgefunden haben, dass künstliche Intelligenz (KI) und maschinelles Lernen (ML) helfen könnten, Herzsignale zu erkennen Krankheiten durch Netzhautbilder.
KI bietet uns das Potenzial für neue, weniger invasive Tests für die Herzgesundheit – Vorhersage von kardiovaskulären Ergebnissen aus Netzhautbildern mit Computer Vision – Ermutigung zu frühen Ergebnissen!, sagte Google-CEO Sundar Pichai am Dienstag, als er die Studie in einem Tweet verwies.
Die in der Zeitschrift Nature Biomedical Engineering veröffentlichte Studie zeigte, dass Deep Learning, das auf ein Bild des Netzhauthintergrunds angewendet wird, ein Foto, das die Blutgefäße des Auges umfasst, Risikofaktoren für Herzerkrankungen vorhersagen kann – vom Blutdruck bis zum Raucherstatus.
Der von den Forschern entwickelte Algorithmus kann sogar dazu beitragen, das Auftreten eines zukünftigen schwerwiegenden kardiovaskulären Ereignisses auf Augenhöhe mit aktuellen Maßnahmen vorherzusagen, sagte Michael McConnell, Head of Cardiovascular Health Innovations bei Verily in einem Blogbeitrag.
Herz-Kreislauf-Erkrankungen sind weltweit die häufigste Todesursache und Forscher wissen, dass Lebensstilfaktoren wie Bewegung und Ernährung in Kombination mit genetischen Faktoren, Alter, ethnischer Zugehörigkeit und Geschlecht dazu beitragen.
Sie wissen jedoch nicht genau, wie sich diese Faktoren bei einer bestimmten Person summieren, und so ist es bei einigen Patienten unerlässlich, anspruchsvolle Tests wie koronare Kalzium-CT-Scans durchzuführen, um das Risiko einer Person für einen Herzinfarkt oder eine Schlaganfall und andere kardiovaskuläre Ereignisse.
schwarz-gelbe und weiße Raupe
In dieser Studie konnten die Forscher mithilfe von Deep-Learning-Algorithmen, die mit Daten von 284.335 Patienten trainiert wurden, kardiovaskuläre Risikofaktoren aus Netzhautbildern mit überraschend hoher Genauigkeit für Patienten aus zwei unabhängigen Datensätzen von 12.026 und 999 Patienten vorhersagen.
Der Algorithmus konnte in 71 Prozent der Fälle die Netzhautbilder eines Rauchers von denen eines Nichtrauchers unterscheiden, so die Studie.
Während Ärzte normalerweise zwischen den Netzhautbildern von Patienten mit schwerem Bluthochdruck und normalen Patienten unterscheiden können, könnte unser Algorithmus darüber hinaus weiter gehen und den systolischen Blutdruck innerhalb von 11 mmHg im Durchschnitt für Patienten insgesamt vorhersagen, einschließlich derjenigen mit und ohne Bluthochdruck Druck, sagte die Co-Autorin der Studie, Lily Peng, Produktmanagerin, Google Brain Team.
Einer der spannendsten Aspekte dieser Studie ist die Generierung von „Aufmerksamkeitskarten“, um zu zeigen, welche Aspekte der Netzhaut am meisten zum Algorithmus beigetragen haben und so einen Einblick in die „Black Box“ bieten, die oft mit maschinellem Lernen in Verbindung gebracht wird, McConnell, der auch ein Mitautor der Studie, sagte.
Dies kann Ärzten mehr Vertrauen in den Algorithmus geben und möglicherweise neue Einblicke in Netzhautmerkmale liefern, die zuvor nicht mit kardiovaskulären Risikofaktoren oder zukünftigen Risiken in Verbindung gebracht wurden, sagte McConnell.
Die Ergebnisse deuten darauf hin, dass ein einfaches Netzhautbild eines Tages helfen könnte, die Gesundheit der Blutgefäße eines Patienten zu verstehen, die für die kardiovaskuläre Gesundheit von entscheidender Bedeutung sind.
Dies ist vielversprechend, aber frühe Forschung – es muss mehr Arbeit geleistet werden, um diese Ergebnisse an größeren Patientenkohorten zu entwickeln und zu validieren, bevor dies in einem klinischen Umfeld ankommen kann, fügte McConnell hinzu.
Arten von Kiefern in Virginia