IT思维

公众号/小象

源 | rankred    译 | 东木

与人类专家相比，现在人工智能在病人身上检测心脏病功能已经开始拥有相当高的准确性了。人工智能的领域正在飞速发展，以致于甚至医生们都难以跟上人工智能的发展。

Google 目前已经开发出了一款人工智能产品，它使用超过 284000 名病人数据进行深度学习，并以此来预测心脑血管患病因素。

大多数的健康问题都与心脏病和心脑血管疾病有关。医生通常通过观察一些因数，像日常起居生活（吸烟或饮酒习惯），血压，糖尿病，胆固醇水平以及其他来预测心脏病和心脑血管疾病。

在最近几年，我们已经发现许多关于深度学习模型能够帮助为医学影像提高诊断的准确性的例子，特别是在糖尿病患者身上检测到眼科疾病的。

现在，这种最新的算法能够分析出一些对显著提高心脑血管疾病有风险的因素。在不久的将来，当 Google 的研究者能够创造出更多来诊断健康疾病的技术时，你完全用不着惊讶。

这个算法能做什么？

这个算法通过分析 284335 名患者的数据，并以高度准确性为两组分别为 999 名以及 12026 名患者的不同数据对象做出预测。例如，该人工智能以 71% 的成功率，成功地依靠视网膜图片在不吸烟群体中辨别出吸烟者。

通常，医生能够在视网膜图片中分辨出正常人以及具有高血压的患者，然而这种人工智能技术甚至能够在 11mmHg 之内更好的预测血压收缩压。

当有两名病人的视网膜扫描图被展现出来，机器预测其中一名在接下来的 5 年会患上心脏病，另一名则没有。这种判断 Google 的人工智能已经有 70% 的准确率。这样的测试只需要一份血样。

参考文献：Natural Idoi:10.1038/s41551-018-0195-0 IGoogle Research

它是怎么工作的？

深层卷积神经网络（一种深度学习技术）已经被应用到糖尿病视网膜病变、黑色素瘤等疾病的医学图像诊断中，更具有与人类专家相当的准确性。

为了了解它是怎样工作的，研究人员使用了名为 “attention based encoder and decoder networks” 的编译网络。这项技术提供了一份热图，显示哪个像素对于预测特定的心脑血管疾病的风险因素具有巨大的价值。该方法可以通过观察血管来预测血压，还可用于进一步研究视网膜和心脑血管风险的未来假设。

接下来是什么？

尽管获得了令人印象深刻的结果，该项研究依然具有许多局促性。首先，它只使用 45 度视角的图像。未来的工作可能会调查这些发现的概括性，无论是大或小的视角图像。接着，对于深层学习，总体数据集的大小相对较小。

许多科学工作取得了这样有前景的结果。目前，该模型只有几百例心脑血管事件，在接下来的几个月里，研究人员将在更大范围和更全面的数据集上建立和测试人工智能。

此外，他们将寻求更好的了解干预的影响，如生活方式和药物的改变对风险的预测，并将会检验新产生的理论和假设。