Google Neural Network détermine le sexe, l'âge, l'indice de masse corporelle et la pression artérielle du fond d'œil

Des scientifiques de Google et de sa filiale Verily, spécialisée dans le développement de technologies médicales, ont développé une nouvelle façon d'identifier les facteurs de risque de développement de maladies cardiovasculaires telles que les maladies coronariennes et les accidents vasculaires cérébraux. Un réseau neuronal formé calcule assez précisément ces facteurs à partir de l'image du fond d'œil.

La photo dans le coin supérieur gauche montre un échantillon coloré du scan du fond d'œil de la base de la Biobanque britannique. Les images restantes montrent la même image, mais en noir et blanc. Sur chacun d'eux, une carte thermique est appliquée en vert, correspondant à chacun des signes acquis: âge, sexe, tabagisme (oui / non), glycémie moyenne HbA1c, indice de masse corporelle IMC, pression artérielle systolique SBP, pression artérielle diastolique DBP. Les données réelles de la base de données pour chaque paramètre et prédites par le réseau neuronal sont indiquées.

Connaissant ces facteurs, vous pouvez calculer assez précisément la probabilité de développer des maladies cardiovasculaires, qui sont la principale cause de décès dans le monde (environ 31% des décès sont causés par cette raison).

Avec le nouveau système, les médecins peuvent gagner beaucoup de temps, car au lieu de plusieurs tests, les diagnostics préliminaires sont désormais effectués en quelques minutes. De plus, théoriquement, l'algorithme permet d'effectuer de tels diagnostics à distance. Seuls un ophtalmoscope et un spécialiste capable de prendre une photo sont nécessaires.


Miroir et ophtalmoscopes électroniques

Bien sûr, si la précision du réseau neuronal n'est pas assez élevée pour remplacer un diagnostic complet, elle montre des résultats prometteurs. Ici, l'IA ne remplace pas le médecin, mais étend ses capacités.

Pour étudier le réseau neuronal, les scientifiques de Google et de Verily ont utilisé des dossiers médicaux contenant des photographies du fond d'œil d'environ 300 000 patients. La partie du lion de l'ensemble de données a été obtenue à partir de la base de données EyePACS (236 234 patients, 1 682 938 images). Les informations restantes ont été extraites de la base de données UK Biobank. Bien qu'il y ait moins de données ici, pour chaque patient, il y avait des informations sur l'indice de masse corporelle, la pression artérielle et le fait de fumer, qui ne figurent pas dans la base de données EyePACS.



L’idée de détecter une maladie dans la rétine n’est pas nouvelle. Même en Union soviétique, de telles études ont été menées et un logiciel d'analyse des images rétiniennes a été créé. Mais alors il n'y avait pas de systèmes d'apprentissage automatique, donc les possibilités des programmeurs étaient limitées.

Si le réseau neuronal de Google reçoit deux patients pour le traitement de la photographie du fond d'œil, dont l'un a souffert d'une maladie cardiovasculaire au cours des cinq dernières années, et l'autre pas, il détermine correctement l'affiliation du patient dans 70% des cas. Ceci est légèrement pire que la précision de l'algorithme SCORE maintenant utilisé en médecine. Il a une précision de 72%.

La précision de la détermination du sexe, de l'âge et de chacun des facteurs de risque est indiquée dans le tableau suivant.



Les experts disent que l'approche de Google pour utiliser un réseau de neurones dans cette tâche de diagnostic particulière est crédible, car il est connu depuis longtemps que la rétine est un bon prédicteur du risque de développer une maladie cardiovasculaire. L'intelligence artificielle peut donc accélérer considérablement et potentiellement augmenter la précision de ces diagnostics. Bien sûr, avant son utilisation réelle dans les cliniques, le programme doit subir des tests rigoureux afin que les médecins commencent à lui faire confiance.

Cette découverte était une autre preuve que les réseaux de neurones peuvent être largement utilisés en médecine moderne, en particulier en diagnostic. Nous ne cherchons que les options les plus évidentes pour l'utilisation de l'IA dans ce domaine: le diagnostic des arythmies par cardiogramme , le diagnostic de pneumonie par rayons X , le diagnostic de cancer de la peau , etc.

Les possibilités incroyables d'utiliser l'IA pour diagnostiquer des maladies sont l'une des raisons pour lesquelles Google a lancé le projet Baseline pour collecter des dossiers médicaux détaillés pour 10 000 personnes sur quatre ans.

L'article scientifique a été publié le 19 février 2018 dans la revue Nature Biomedical Engineering (doi: 10.1038 / s41551-018-0195-0, pdf ).