Google AI scans retina to predict heart disease risk
leiphone 作者：亚峰
本文譯自Google blog，作者：Lily Peng（Google醫學影像產品經理）
當前，心臟病、中風和其他心血管疾病，仍舊是棘手的公共衛生難題。
而評估疾病風險，則是後期降低患者患心血管疾病，可能性的關鍵步驟。為做好這一步，醫生們將眾多風險因素，納入評估範圍，其中包含：遺傳（年齡和性別），生活方式（吸煙和血壓）。
雖然這些風險因素的相關情況，大多可以透過詢問病人來獲取，但瞭解其他風險因素，卻沒那麼簡單，如膽固醇需抽血檢驗。醫生也要考慮病人，是否患有糖尿病等其他疾病，這些問題也往往關係到心血管疾病。
近期，我們已經看到許多應用深度學習，提高醫學影像輔助診斷準確度的案例，尤其在糖尿病方向。近期在《Nature》雜誌上發表的《關於透過眼底圖像預測心血管危險因素》中，除了檢測糖尿病外，我們還展示了透過眼底圖，還可以很準確地檢測其他心血管疾病指標。
這個發現令人異常興奮，因為它表示我們可以透過眼底圖像，去篩查出更多的病變。
我們團隊透過來自284335名患者，數據上訓練的深度學習模型，分別從12026例和999例的兩個獨立眼底驗證圖像數據集中，以驚人的準確度預測，病人的心血管疾病風險因子。
例如，我們的算法透過眼底圖像，區分吸煙者與不吸煙者的準確率有71%。此外，當醫生可從視網膜圖像上，分辨病人有沒有高血壓時，我們的算法可以更深入地預測心臟收縮血壓，在所有病患身上平均誤差為 11 mmHg，包括那些有或沒有高血壓的患者。
左圖：黑色部分的眼球顯示了黃斑（中間深色的部分、視神經盤（右邊的亮點）、血管（從亮點向外擴展的深色紅弧線）
右圖：灰色視網膜圖像，用綠色突出的（熱圖）是用來訓練深度學習模型預測血壓的像素。我們發現每個心血管風險因子預測使用不同模式，例如血管用於血壓，視盤用於其他預測。
除了從視網膜圖像預測各種風險因素（年齡，性別，吸煙史，血壓等），我們的算法在直接預測，心血管疾病風險方面準確率很高。算法使用整個圖像，來量化圖像與心臟病發作/中風之間的關聯。
基於兩張眼底圖像（1張是長達5年後，經歷過重大心血管疾病患者的眼底圖像，另1張是沒有突發心血管疾病的患者的眼底圖像），我們的算法能夠以70%的準確率，檢測出患有心血管疾病的患者。
這一準確率接近需要抽血測量，膽固醇的其他心血管疾病風險檢驗的準確性。
更重要的是，我們使用注意機制（Attention）方法打開了「黑盒子」，解釋算法是如何進行預測的。
透過相關技術自動生成一幅熱力圖，顯示哪些像素對於預測特殊的心血管風險因子是最重要的。如上圖所示，這套算法更注重血管狀況，來預測血壓。算法的可解釋性，使得方案也更具說服力。
與此同時，這項技術有助於為將來對心血管風險，和視網膜進行科學研究生成假設。
我們對這項工作感到非常興奮，因為它可能代表了一種新的方法。傳統意義上，醫學發現通常是透過一種複雜的，猜測和測試來完成的：觀察，得出假設，然後設計和運行實驗，來測試假設。
然而，由於實際圖像中存在各種特徵、圖案、顏色、值和形狀，因此觀察和量化醫學圖像中的關聯比較困難。我們的方法是利用深度學習，來繪製人體解剖學和疾病之間的關聯，類似於醫生聯繫症狀和體徵診斷新的疾病，這可以幫助科學家產生更有針對性的假設，並推動廣泛的未來研究。
即便有了這些結果，我們還有很多研究工作去做。我們的數據集標注了許多如吸煙、收縮壓、年齡、性別和其他變量，但也僅有幾百例精標注心血管疾病數據。我們期待能在更大、更全的數據集上開發和測試算法。
沒有留言:
張貼留言