使用視網(wǎng)膜掃描發(fā)現(xiàn)心臟病風(fēng)險(xiǎn)可行嗎

谷歌及其子公司Verily的科學(xué)家們發(fā)現(xiàn)了一種利用機(jī)器學(xué)習(xí)來評估一個(gè)人患心臟病風(fēng)險(xiǎn)的新方法。通過分析病人眼睛后部的掃描結(jié)果，該公司的軟件能夠準(zhǔn)確地推斷出數(shù)據(jù)，包括個(gè)人的年齡、血壓，以及他們是否吸煙。這些信息可以用來預(yù)測他們患心臟病的風(fēng)險(xiǎn)，比如心臟病發(fā)作，與目前的主要方法大致相同。

使用神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識別的優(yōu)勢是，你不必告訴它在圖像中尋找什么，你甚至不需要關(guān)心它尋找什么。有了足夠的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)應(yīng)該能夠找出使其做出準(zhǔn)確識別的細(xì)節(jié)。

就像要弄清楚圖像中是否有貓一樣，神經(jīng)網(wǎng)絡(luò)并不能提供比我們視覺系統(tǒng)中的實(shí)際神經(jīng)元更多（如果有的話）的優(yōu)勢。但它們的優(yōu)勢能在我們不知道應(yīng)該尋找什么的情況下得以發(fā)揮。在某些情況下，圖像可能會(huì)提供人類無法理解的細(xì)微信息，但是神經(jīng)網(wǎng)絡(luò)可以通過適當(dāng)?shù)挠?xùn)練來獲取這種信息。

現(xiàn)在，研究人員已經(jīng)做到了這一點(diǎn)，即利用病人視網(wǎng)膜的圖像訓(xùn)練出一種深度學(xué)習(xí)算法來識別心臟病的風(fēng)險(xiǎn)。視網(wǎng)膜中有著豐富的血管，因此可以檢測出整個(gè)循環(huán)系統(tǒng)中所存在的問題；例如高膽固醇或高血壓等疾病都會(huì)在眼睛里留下痕跡。因此，一個(gè)由谷歌和Verily生命科學(xué)公司研究人員組成的研究團(tuán)隊(duì)決定看看一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)如何能夠從視網(wǎng)膜圖像中找到這些痕跡。

為了訓(xùn)練這個(gè)網(wǎng)絡(luò)，他們使用了將近30萬張帶有心臟病相關(guān)信息（比如年齡、吸煙狀況、血壓和體重指數(shù)）的網(wǎng)膜圖像。該系統(tǒng)經(jīng)過訓(xùn)練后，又在另外1萬3千張圖像上進(jìn)行應(yīng)用，以了解它是如何運(yùn)作的。

僅通過觀察視網(wǎng)膜圖像，該算法給出的患者年齡與其真實(shí)年齡的差距一般在3.5年內(nèi)。它在估計(jì)病人的血壓和體重指數(shù)方面也做得很好?？紤]到這些成功，該團(tuán)隊(duì)隨后訓(xùn)練了一個(gè)類似的網(wǎng)絡(luò)，利用這些圖像來估計(jì)未來五年內(nèi)發(fā)生重大心臟問題的風(fēng)險(xiǎn)。結(jié)果顯示，其性能與根據(jù)上述多種因素得到的心臟病風(fēng)險(xiǎn)評估計(jì)算結(jié)果類似，但該算法是通過圖像完成估計(jì)的，而不是通過一些測試和詳細(xì)的問卷調(diào)查。

這項(xiàng)工作的精妙之處在于該算法已經(jīng)建立，因此它可以告訴人們它是根據(jù)哪些重點(diǎn)依據(jù)做出診斷的。對于年齡、吸煙狀況和血壓等問題，該軟件重點(diǎn)關(guān)注血管的特征。訓(xùn)練它來預(yù)測性別最終導(dǎo)致它專注于分散在眼睛周圍的特定特征，而體重指數(shù)最終沒有任何明顯的焦點(diǎn)，這表明體重指數(shù)信號會(huì)被傳播到整個(gè)視網(wǎng)膜中。

研究人員表示，即使是30萬張圖像的訓(xùn)練集對于深度學(xué)習(xí)算法來說也很小，所以他們認(rèn)為如果有更多的數(shù)據(jù)可供使用，他們可以做得更好。由于計(jì)算具有很大的不確定性，他們注意到類似于診斷計(jì)算的性能并不是很好，所以算法還需要改進(jìn)。隨著一些改進(jìn)措施的推出，該算法可能成為一種有用的診斷工具，因?yàn)橐暰W(wǎng)膜圖像常被用來篩查與糖尿病相關(guān)的眼睛問題，而糖尿病通常與心臟病有關(guān)。