AI又显神通：只看眼睛就能预测心脏病

这张照片中的黄色斑点是视网膜变性的区域。(照片来源:国家卫生研究院)

使用神经网络进行图像识别的想法是，你不必告诉它在图像中寻找什么。你甚至不需要关心它在寻找什么。经过充分的训练，神经网络应该能够找出细节，使其准确识别。

就像试图找出图像中是否有猫一样，神经网络并没有比我们视觉系统中的实际神经元提供更大的优势。然而，这种方法的亮点是当我们不知道要寻找什么的时候。在某些情况下，图像可能提供人类不了解如何阅读的微妙信息，但神经网络可以通过适当的训练获得这些信息。

现在，研究人员已经通过使用病人视网膜的图像来获得深层学习算法来识别心脏病的风险。

这个想法并不像听起来那么疯狂。视网膜富含血管，因此也有可能发现整个循环系统的问题。高胆固醇和高血压等疾病也会在眼睛里留下痕迹。因此，一个由谷歌和生命科学组成的研究小组决定看看一个深入的学习网络如何在视网膜图像中找到这些东西。

为了训练这个网络，他们使用了近30万张包含心脏病相关信息的图片，比如年龄、吸烟状况、血压和体重指数。一旦培训完成，该系统将用于另外13，000张图片，以了解它是如何工作的。

只有通过观察视网膜图像，该算法通常能够在患者实际年龄的3.5年内检测出疾病。它还能很好地估计病人的血压和体重指数。考虑到这些成功的结果，研究小组随后训练了一个类似的网络，并使用这些图像来估计未来五年心脏问题的主要风险。最后，其计算结果与上述许多因素估计的心脏风险相似，但是该算法是通过图像而不是一些测试和详细的问卷来执行的。

这项研究的聪明之处在于，在算法建立之后，它可以报告它所关心的诊断。对于年龄、吸烟状况和血压等问题，该软件侧重于血管特征。它被训练来预测性别，因此它聚焦于分散在眼睛周围的特定特征，而身体质量指数没有任何明显的焦点，表明身体质量指数信号遍布整个视网膜。

研究人员表示，对于深度学习算法来说，即使是300，000的图像训练集也非常小，因此他们认为如果能够提供更多的数据，他们可以做得更好。而且，这个实验也需要改进，因为他们注意到类似于诊断计算的性能不是很好，因为计算有很大的不确定性。如果将来有一些改进，该算法可能是一个有用的诊断工具，因为视网膜图像通常用于筛查与糖尿病有关的眼睛问题，而糖尿病通常与心脏病有关。

蝌蚪工作人员编译自arstechnica，翻译李同信，转载必须授权。