Создан алгоритм для диагностики склонности к развитию сердечно-сосудистых заболеваний, использующий результаты офтальмоскопии — обследования глазного дна.
©Wikipedia
Специалисты исследовательской организации Verily Life Sciences разработали алгоритм, способный оценить вероятность развития сердечно-сосудистых заболеваний, анализируя снимки глазного дна. Для обучения программы использовали снимки глаз 284 335 пациентов. Статья о разработке опубликована в журнале Nature Biomedical Engineering.
Глазное дно исследуют при помощи офтальмоскопа — прибора с особыми увеличивающими линзами. Таким образом можно оценить состояние сетчатки и множества сосудов глазного дна. Офтальмоскопия — один из важнейших методов осмотра глаз, ее используют не только при нарушениях зрения, но и в диагностике диабета и гипертонии. На основе данных осмотра можно сделать выводы о возрасте пациента, показателях кровяного давления, склонности к вредным привычкам. Все эти признаки важны и в диагностике предрасположенности к сердечно-сосудистым заболеваниям.
Создатели нового алгоритма использовали технологии глубинного обучения (deep learning). В распоряжении программы оказались снимки глазного дна 284 335 пациентов, чей средний возраст составил около 55 лет. Также алгоритму была доступна базовая информация о пациентах: их возраст, пол, этническая принадлежность, индекс массы тела (соотношение роста и веса), показатели артериального давления и гликированного гемоглобина — последний показатель обычно используют для оценки эффективности лечения диабета. Кроме того, пациенты указывали, курят ли они, и сообщали о диагностированных сердечно-сосудистых заболеваниях.
Для оценки точности метода использовали два набора данных со снимками глаз 12 026 и 999 пациентов соответственно. Алгоритм должен был определить, развилось ли у человека сердечно-сосудистое заболевание в течение пяти лет после того, как офтальмолог сделал снимок. Программе удалось верно ответить в 70% случаев. Этот результат сопоставим с эффективностью популярной шкалы SCORE (Systematic COronary Risk Evaluation), по которой риск болезни выявляют в среднем в 72% случаев. При этом SCORE требует результатов анализа крови пациента.
Новая разработка должна пройти еще несколько этапов проверки эффективности. Создатели алгоритма подчеркивают, что искусственный интеллект не заменит врача, а станет дополнительным инструментом диагностики.
