طور علماء من Google وشركتها الفرعية Verily ، المتخصصة في تطوير التقنيات الطبية ، طريقة جديدة لتحديد عوامل الخطر لتطوير أمراض القلب والأوعية الدموية مثل أمراض القلب والشرايين. تحسب الشبكة العصبية المدربة هذه العوامل بدقة من صورة قاع العين.
تُظهر الصورة في الزاوية العلوية اليسرى عينة ملونة من مسح قاع العين من قاعدة البنك الحيوي البريطاني. تظهر الصور المتبقية نفس الصورة ، ولكن بالأبيض والأسود. على كل واحد منهم ، يتم تطبيق خريطة حرارية باللون الأخضر ، تتوافق مع كل من العلامات المكتسبة: العمر ، الجنس ، التدخين (نعم / لا) ، متوسط السكر في الدم HbA1c ، مؤشر كتلة الجسم BMI ، ضغط الدم الانقباضي الشرياني SBP ، الضغط الانبساطي الشرياني DBP. يشار إلى البيانات الفعلية من قاعدة البيانات لكل معلمة والتي تنبأت بها الشبكة العصبية.
بمعرفة هذه العوامل ، يمكنك حساب احتمال الإصابة بأمراض القلب والأوعية الدموية بدقة ، وهي
السبب الرئيسي للوفاة في جميع أنحاء العالم (حوالي 31 ٪ من الوفيات بسبب هذا السبب).
مع النظام الجديد ، يمكن للأطباء توفير الكثير من الوقت ، لأنه بدلاً من عدة اختبارات ، يتم الآن إجراء التشخيص الأولي في غضون بضع دقائق. علاوة على ذلك ، من الناحية النظرية ، تسمح الخوارزمية بإجراء مثل هذه التشخيصات عن بُعد. هناك حاجة فقط إلى منظار العيون والمتخصص الذي يمكنه التقاط صورة.
المرآة ومناظير العيون الإلكترونيةبالطبع ، في حين أن دقة الشبكة العصبية ليست عالية بحيث تحل محل التشخيص الكامل ، لكنها تظهر نتائج واعدة. هنا ، لا يحل الذكاء الاصطناعي محل الطبيب ، ولكنه يوسع قدراته.
لدراسة الشبكة العصبية ، استخدم علماء Google و Verily السجلات الطبية مع صور قاعدية لحوالي 300000 مريض. تم الحصول على جزء الأسد من مجموعة البيانات من قاعدة بيانات EyePACS (236،234 مريضًا ، 1،682،938 صورة). تم أخذ المعلومات المتبقية من قاعدة بيانات المملكة المتحدة Biobank. على الرغم من وجود بيانات أقل هنا ، إلا أنه لكل مريض كانت هناك معلومات حول مؤشر كتلة الجسم وضغط الدم وحقيقة التدخين ، وهي ليست في قاعدة بيانات EyePACS.
إن فكرة الكشف عن مرض شخص في شبكية العين ليست جديدة. حتى في الاتحاد السوفياتي ، تم إجراء مثل هذه الدراسات وإنشاء برنامج لتحليل صور الشبكية. ولكن بعد ذلك لم تكن هناك أنظمة للتعلم الآلي ، لذلك كانت إمكانيات المبرمجين محدودة.
إذا استقبلت شبكة Google مريضين لمعالجة صورة قاع العين ، يعاني أحدهما من أمراض القلب والأوعية الدموية في السنوات الخمس الأخيرة ، والآخر لا يعاني منها ، فإنه يحدد بشكل صحيح انتماء المريض في 70 ٪ من الحالات. هذا أسوأ قليلاً من دقة خوارزمية SCORE المستخدمة الآن في الطب. لديه دقة 72٪.
يوضح الجدول التالي دقة تحديد الجنس والعمر وكل عامل من عوامل الخطر.
يقول الخبراء أن نهج Google في استخدام شبكة عصبية في هذه المهمة التشخيصية الخاصة موثوق به لأنه من المعروف منذ فترة طويلة أن شبكية العين هي مؤشر جيد على خطر الإصابة بأمراض القلب والأوعية الدموية. لذا يمكن للذكاء الاصطناعي أن يسرع بشكل كبير ، وربما يزيد من دقة مثل هذه التشخيصات. بالطبع ، قبل الاستخدام الفعلي في العيادات ، يجب أن يخضع البرنامج لاختبارات صارمة حتى يبدأ الأطباء في الوثوق بها.
كان هذا الاكتشاف دليلاً آخر على أن الشبكات العصبية يمكن استخدامها على نطاق واسع في الطب الحديث ، وخاصة في التشخيص. نحن نتلمس فقط الخيارات الأكثر وضوحًا لاستخدام الذكاء الاصطناعي في هذا المجال:
تشخيص عدم انتظام ضربات القلب باستخدام مخطط القلب ،
تشخيص الالتهاب الرئوي باستخدام الأشعة السينية ،
تشخيص سرطان الجلد ، إلخ.
تعد الإمكانيات المذهلة لاستخدام الذكاء الاصطناعي لتشخيص الأمراض أحد الأسباب التي دفعت Google إلى إطلاق
مشروع Baseline لجمع السجلات الطبية التفصيلية لـ 10000 شخص على مدى أربع سنوات.
تم
نشر المقالة العلمية في 19 فبراير 2018 في مجلة
Nature Biomedical Engineering (doi: 10.1038 / s41551-018-0195-0 ،
pdf ).