视网膜成像通常被用来诊断和监测眼部疾病，但它其实可以揭示的还有很多: 视网膜微血管的异常可能预示着更广泛的血管疾病，包括心脏的问题。
近日，利兹大学的一个跨学科国际团队开发了一个人工智能系统，可以自动分析常规的眼部扫描图片，并识别出有心脏病发作风险的人。他们的研究结果于1月25日发表在《自然·机器智能》（Nature Machine Intelligence）杂志上。
眼睛是心灵的窗户：通过扫描眼睛可以预测心脏健康的信息 | 利兹大学
心血管疾病是全世界范围早死亡的重要原因之一。早期识别和预防性治疗将有助于降低其流行率。目前，病人患心血管疾病的风险是通过年龄、性别、吸烟状况、家族史以及冠状动脉 CT、超声心动图和心血管核磁共振等医学成像来估计的。然而，这种成像通常是在医院完成的，费用也比较昂贵，这限制了它们在医疗资源较少国家使用的可能性。
“这项基于 AI的技术为心脏疾病筛查开辟了革命性的可能，”论文通信作者 Alex Frangi 对媒体解释说，“视网膜扫描相对便宜，许多配眼镜的地方也会配备。根据AI筛查的结果，有高患病风险的人可以转到心脏专科诊治。这项扫描技术也可以用来跟踪心脏病发作的早期征兆。”
视网膜图像 | UK Biobank
文章的第一作者 Andres Diaz-Pinto 和他的同事们研究了这个人工智能系统能否通过视网膜图像来评估心脏左心室的泵血量和效率。心室扩大往往与心脏病风险的增加有关，可以用来预测未来心脏病发作的可能性。
为此，研究人员训练了一个多通道变分自动编码器和一个深度回归网络，直接从视网膜图像估计左室舒张末容积(LVEDV)和左室质量(LVM)。他们使用了来自英国生物样本库图像研究（UK Biobank Imaging Study）的5663和71515个数据训练和验证了这个人工智能系统的两个网络。
第一组数据包括心脏核磁共振图像、高质量的视网膜图像和人口统计学数据，而后者只有高质量的视网膜图像和人口统计学数据。与核磁共振图像的真实描绘比较，研究人员发现视网膜图像能被用于量化心脏的参数。
接下来，研究人员使用通过视网膜图像估计的 LVM/LVEDV 结合人口统计学数据，或单独的人口统计学数据，来预测患者在随后的12个月是否有心脏病发作的风险。为了进行比较，他们使用了来自英国生物样本库的数据，这些病例的视网膜图像没有被用于训练AI。他们中，有992例在拍摄图像后遭遇心肌梗死，992例没有遭遇。
他们发现在人口统计学数据中加入通过视网膜图像估计的 LVM/LVEDV 可以提高人工智能系统的预测性能。该系统通过视网膜图像预测未来的心肌梗死事件，灵敏度和特异度分别为0.74和0.72，这只需要增加年龄和性别两个额外的变量(通常眼科医生或配镜师都有这些信息)。
最后，研究小组使用来自独立数据库， 美国国家卫生院年龄相关眼病研究（the NIH Age-Related Eye Disease Studies ）的视网膜图像和人口统计学数据进行了外部验证，该数据集包括180名发生过心肌梗死和2830名未遭遇心肌梗死的病例。
研究人员发现该算法预测心肌梗死的能力受视网膜图像的中老年黄斑变性情况的影响。这个人工智能系统的预测性能在没有黄斑变性的病例中最高，其灵敏度和特异度分别为0.70和0.67。随着黄斑变性的严重，预测能力不断下降。研究小组指出，视网膜疾病，比如黄斑变性，会干扰算法通过视网膜循环特征推断体循环特征。
研究人员总结道，他们研究出的人工智能系统通过廉价且容易获得的视网膜照片和人口统计学数据就可以评估心脏的健康信息、预测心肌梗死发作的可能。这样的系统，他们建议被应用在眼科诊所和眼镜店，来评估患者心脏病发作的可能性，推荐他们做进一步的心血管体检。
参考文献
[1]https://physicsworld.com/a/routine-eye-scans-could-provide-cost-effective-screening-for-heart-disease/
编译：小锅
排版：尹宁流