Populārākas Posts
Google AI parāda, kā acis var atklāt sirdslēkmes risku
Sirds un asinsvadu slimības ir galvenais nāves cēlonis visā pasaulē, un pētnieki zina, ka to veicina dzīvesveida faktori, tostarp vingrinājumi un uzturs kopā ar ģenētiskiem faktoriem, vecumu, etnisko piederību un dzimumu.
AI piedāvā mums iespēju jauniem, mazāk invazīviem sirds veselības testiem - sirds un asinsvadu rezultātu prognozēšana no tīklenes attēliem ar datora redzi, veicinot agrīnus rezultātus. (Avots: faila fotoattēls) Zinot sirdslēkmes vai insulta risku, drīz varētu kļūt tikpat vienkārša kā acu pārbaude, jo Google pētnieki un tās veselības tehnoloģiju grupa patiesi ir atklājuši, ka mākslīgais intelekts (AI) un mašīnmācīšanās (ML) varētu palīdzēt noteikt sirds signālus slimības, izmantojot tīklenes attēlus.
AI piedāvā mums iespēju jauniem, mazāk invazīviem sirds veselības testiem - prognozējot sirds un asinsvadu rezultātus no tīklenes attēliem ar datora redzi, - iedrošinot agrīnus rezultātus!
Pētījums, kas publicēts žurnālā Nature Biomedical Engineering, parādīja, ka dziļa mācīšanās, kas piemērota tīklenes dibena attēlam - fotogrāfijai, kurā iekļauti acs asinsvadi, var paredzēt sirds slimību riska faktorus - no asinsspiediena līdz smēķēšanas stāvoklim.
Pētnieku izstrādātais algoritms var pat palīdzēt prognozēt turpmāku nozīmīgu sirds un asinsvadu notikumu rašanos līdzvērtīgi pašreizējiem pasākumiem, emuāra ziņā sacīja Maikls Makkonels, Verily sirds un asinsvadu veselības inovāciju vadītājs.
Sirds un asinsvadu slimības ir galvenais nāves cēlonis visā pasaulē, un pētnieki zina, ka to veicina dzīvesveida faktori, tostarp vingrinājumi un uzturs kopā ar ģenētiskiem faktoriem, vecumu, etnisko piederību un dzimumu.
Tomēr viņi precīzi nezina, kā šie faktori sakrīt noteiktā indivīdā, un tāpēc dažiem pacientiem ir svarīgi veikt sarežģītus testus, piemēram, koronāro kalcija CT skenēšanu, lai palīdzētu labāk noslāņot indivīda sirdslēkmes vai sirdslēkmes risku. insults un citi citi kardiovaskulāri notikumi.
visu veidu zivis
Šajā pētījumā, izmantojot dziļas mācīšanās algoritmus, kas apmācīti pēc datiem no 284 335 pacientiem, pētnieki varēja prognozēt kardiovaskulāros riska faktorus no tīklenes attēliem ar pārsteidzoši augstu precizitāti pacientiem no divām neatkarīgām datu kopām - 12 026 un 999 pacientiem.
Saskaņā ar pētījumu algoritms varētu atšķirt smēķētāja tīklenes attēlus no nesmēķētāja attēliem 71 % laika.
Turklāt, lai gan ārsti parasti var atšķirt tīklenes attēlus pacientiem ar smagu augstu asinsspiedienu un normāliem pacientiem, mūsu algoritms varētu iet tālāk, lai prognozētu sistolisko asinsspiedienu vidēji 11 mmHg robežās pacientiem, ieskaitot tos, kuriem ir augsts asinsspiediens un bez tā spiedienu, sacīja pētījuma līdzautore Lilija Penga, Google Brain Team produktu vadītāja.
Viens no aizraujošajiem šī pētījuma aspektiem ir “uzmanības karšu” ģenerēšana, lai parādītu, kuri tīklenes aspekti visvairāk veicināja algoritmu, tādējādi nodrošinot logu “melnajā kastē”, kas bieži vien ir saistīta ar mašīnmācīšanos, McConnell, kurš arī ir teica pētījuma līdzautors.
Tas var dot ārstiem lielāku pārliecību par algoritmu un, iespējams, sniegt jaunu ieskatu tīklenes iezīmēs, kas iepriekš nebija saistītas ar sirds un asinsvadu riska faktoriem vai nākotnes risku, sacīja Makkonels.
Rezultāti liecina, ka vienkāršs tīklenes attēls kādu dienu varētu palīdzēt izprast pacienta asinsvadu veselību, kas ir sirds un asinsvadu veselības atslēga.
Tas ir daudzsološs, bet agrīns pētījums - ir jādara vairāk, lai izstrādātu un apstiprinātu šos secinājumus par lielākām pacientu grupām, pirms tas var nonākt klīniskajā vidē, piebilda Makkonels.
zaļš kāpurs ar melnu ragu