Wissenschaftler von Google und seiner Tochtergesellschaft Verily, die sich auf die Entwicklung medizinischer Technologien spezialisiert hat, haben eine neue Methode entwickelt, um Risikofaktoren für die Entwicklung von Herz-Kreislauf-Erkrankungen wie koronaren Herzerkrankungen und Schlaganfall zu identifizieren. Ein trainiertes neuronales Netzwerk berechnet diese Faktoren ziemlich genau aus dem Bild des Fundus.
Das Foto in der oberen linken Ecke zeigt eine farbige Probe des Fundus-Scans von der britischen Biobank-Basis. Die restlichen Bilder zeigen dasselbe Bild, jedoch in Schwarzweiß. Auf jedem von ihnen wird eine Wärmekarte in Grün angewendet, die jedem der erworbenen Zeichen entspricht: Alter, Geschlecht, Rauchen (ja / nein), durchschnittlicher Blutzucker HbA1c, BMI-Body-Mass-Index, arterieller systolischer Druck SBP, arterieller diastolischer Druck DBP. Die tatsächlichen Daten aus der Datenbank für jeden Parameter, die vom neuronalen Netzwerk vorhergesagt werden, werden angezeigt.
Wenn Sie diese Faktoren kennen, können Sie die Wahrscheinlichkeit der Entwicklung von Herz-Kreislauf-Erkrankungen, die weltweit die
Haupttodesursache sind, ziemlich genau berechnen (etwa 31% der Todesfälle werden aus diesem Grund verursacht).
Mit dem neuen System können Ärzte viel Zeit sparen, da anstelle mehrerer Tests in wenigen Minuten eine vorläufige Diagnose durchgeführt wird. Darüber hinaus ermöglicht der Algorithmus theoretisch die Durchführung einer solchen Diagnose aus der Ferne. Es werden nur ein Ophthalmoskop und ein Spezialist benötigt, der ein Bild aufnehmen kann.
Spiegel und elektronische OphthalmoskopeNatürlich ist die Genauigkeit des neuronalen Netzwerks zwar nicht so hoch, dass sie eine vollständige Diagnose ersetzt, aber sie zeigt vielversprechende Ergebnisse. Hier ersetzt AI nicht den Arzt, sondern erweitert seine Fähigkeiten.
Um das neuronale Netzwerk zu untersuchen, verwendeten die Wissenschaftler von Google und Verily medizinische Aufzeichnungen mit Fundusfotos von ungefähr 300.000 Patienten. Der Löwenteil des Datensatzes wurde aus der EyePACS-Datenbank erhalten (236.234 Patienten, 1.682.938 Bilder). Die restlichen Informationen stammen aus der britischen Biobank-Datenbank. Obwohl hier weniger Daten vorliegen, gab es für jeden Patienten Informationen zum Body-Mass-Index, zum Blutdruck und zur Tatsache des Rauchens, die nicht in der EyePACS-Datenbank enthalten sind.
Die Idee, die Krankheit einer Person in der Netzhaut zu erkennen, ist nicht neu. Sogar in der Sowjetunion wurden solche Studien durchgeführt und Software zur Analyse von Netzhautbildern erstellt. Da es jedoch keine maschinellen Lernsysteme gab, waren die Möglichkeiten der Programmierer begrenzt.
Wenn das neuronale Google-Netzwerk zwei Patienten zur Verarbeitung des Fundusfotos empfängt, von denen einer in den letzten fünf Jahren an einer Herz-Kreislauf-Erkrankung gelitten hat und der andere nicht, wird die Zugehörigkeit des Patienten in 70% der Fälle korrekt bestimmt. Dies ist etwas schlechter als die Genauigkeit des SCORE-Algorithmus, der derzeit in der Medizin verwendet wird. Er hat eine Genauigkeit von 72%.
Die Genauigkeit der Bestimmung von Geschlecht, Alter und jedem der Risikofaktoren ist in der folgenden Tabelle aufgeführt.
Experten sagen, dass Googles Ansatz, ein neuronales Netzwerk für diese spezielle diagnostische Aufgabe zu verwenden, glaubwürdig ist, da seit langem bekannt ist, dass die Netzhaut ein guter Prädiktor für das Risiko ist, an Herz-Kreislauf-Erkrankungen zu erkranken. Künstliche Intelligenz kann also die Genauigkeit solcher Diagnosen erheblich beschleunigen und möglicherweise erhöhen. Natürlich muss das Programm vor dem eigentlichen Einsatz in Kliniken strengen Tests unterzogen werden, damit die Ärzte beginnen, ihr zu vertrauen.
Diese Entdeckung war ein weiterer Beweis dafür, dass neuronale Netze in der modernen Medizin, insbesondere in der Diagnostik, weit verbreitet sind. Wir suchen nur nach den offensichtlichsten Optionen für die Verwendung von KI in diesem Bereich: der
Diagnose von Arrhythmien durch Kardiogramm , der
Diagnose einer Lungenentzündung durch Röntgenstrahlen , der
Diagnose von Hautkrebs usw.
Die erstaunlichen Möglichkeiten der Verwendung von KI zur Diagnose von Krankheiten sind einer der Gründe, warum Google
das Baseline-Projekt gestartet hat, um detaillierte medizinische Aufzeichnungen für 10.000 Menschen über einen Zeitraum von vier Jahren zu sammeln.
Der wissenschaftliche Artikel wurde am 19. Februar 2018 in der Zeitschrift
Nature Biomedical Engineering (doi: 10.1038 / s41551-018-0195-0,
pdf ) veröffentlicht.