據最新一期《自然·機器智能》雜志報道，英國研究人員開發了一種人工智能(AI)系統，可通過分析在常規訪問眼鏡店或醫院眼科時留下的眼部掃描數據，識別出心臟病發作高風險患者。該AI系統的識別準確率在70%—80%之間，可作為心血管疾病篩查的第二轉診機制。

視網膜微小血管的變化是更廣泛的血管疾病，包括心臟問題的指標。在英國利茲大學領導的這項研究中，研究人員利用深度學習技術訓練AI系統自動讀取視網膜掃描數據，并識別那些在接下來的一年中可能會得心臟病的人。深度學習是一系列復雜的算法，使計算機能夠識別數據中的模式并作出預測。

領導這項研究的利茲大學計算醫學教授艾利克斯·弗蘭吉說：“這項技術有可能徹底改變心臟病篩查。視網膜掃描相對便宜，并且在許多配鏡服務中經常使用。作為自動篩查的結果，可將患病風險高的人轉診至專科進行治療。”

英國生物銀行為這項研究提供了數據。在深度學習過程中，AI系統分析了5000多人的視網膜掃描和心臟掃描數據。AI系統確定了視網膜病變與患者心臟變化之間的關聯。

一旦學習了圖像模式，AI系統就可以僅通過視網膜掃描來估計左心室(心臟的四個腔室之一)的大小和泵送效率。心室擴大與心臟病風險增高有關。借助有關左心室估測大小及其泵送效率的信息以及有關患者年齡、性別等基本人口統計數據，AI系統可預測他們在接下來的12個月內心臟病發作的風險。

目前，只有在進行了超聲心動圖或心臟磁共振成像等診斷測試后，才能確定患者左心室的大小和泵送效率的詳細信息。這些診斷測試通常很昂貴，而且只能在醫院中使用，這使得醫療保健系統資源較少的國家的人們無法獲得，在發達國家也增加了醫療保健成本和等待時間。

利茲大學英國心臟基金會心血管影像學教授、該研究論文的作者之一斯溫·普雷恩說：“AI系統是解開自然界中存在的復雜模式的絕佳工具，而我們發現的與心臟變化相關的視網膜變化復雜模式，正是其中之一。”(記者 張夢然)

關鍵詞： 視網膜 心臟病風險 人工智能系統 心臟病 視網膜微小血管