Η τεχνητή νοημοσύνη της Google μπορεί να προβλέψει καρδιαγγειακά νοσήματα μελετώντας τα μάτια

Η τεχνητή νοημοσύνη της Google μπορεί να προβλέψει καρδιαγγειακά νοσήματα μελετώντας τα μάτια Facebook Twitter
0

Οι αλγόριθμοι της Google μπορούν να προβλέψουν καρδιακές ασθένειες εξετάζοντας τα μάτια μας και αναλύοντας τις σαρώσεις της ίριδας, αναφέρει η Verily, η εταιρεία επιστημών υγείας της Alphabet.

Οι επιστήμονες της Verily, θυγατρικής εταιρείας της Alphabet, έχουν καταφέρει να σαρώνουν τον αμφιβληστροειδή ενός ασθενούς και να προβλέπουν τον κίνδυνο να υποστεί καρδιακή προσβολή. Αυτός ο αλγόριθμος θα μπορούσε να γλυτώσει χρόνο για τους γιατρούς ώστε αναλύσουν πιθανούς κινδύνους, καθώς δεν απαιτεί εξέταση αίματος.

Ο λόγος που το μάτι είναι τόσο σημαντικό για την έρευνα είναι ότι το οπίσθιο εσωτερικό τοίχωμα του ματιού είναι γεμάτο αιμοφόρα αγγεία τα οποία μπορούν να χρησιμοποιηθούν για να κρίνουν τη γενική εικόνα της υγείας ενός ατόμου.

Kι ενώ ένας οφθαλμολόγος μπορεί με την λεπτομερή εξέταση των ματιών να εντοπίσει σημάδια από αρκετές ασθένειες, όπως υψηλή αρτηριακή πίεση και διαβήτη, τώρα θα μπορεί σύντομα να το πράξει και η τεχνητή νοημοσύνη της Google. Η εταιρεία εκμεταλλεύεται για ακόμη μία φορά το deep learning για την πρόβλεψη καρδιαγγειακών προβλημάτων με την ανάλυση του αμφιβληστροειδούς ενός ασθενούς.

Το σύστημα της Google παρουσιάστηκε στην εργασία με τίτλο «Πρόβλεψη παραγόντων καρδιαγγειακών κινδύνων από φωτογραφίες αμφιβληστροειδούς μέσω βαθιάς μάθησης». Οι αλγόριθμοι αυτοί έχουν εκπαιδευτεί με τα δεδομένα 284.335 ασθενών λαμβάνοντας υπόψη συγκεκριμένα προβλήματα υγείας και κινδύνους όπως υψηλή αρτηριακή πίεση, εάν ο ασθενής είναι καπνιστής ή όχι, εάν υπάρχει ιστορικό στην οικογένεια, κλπ. Η ακρίβεια του συστήματος υπερέβη το 71% και ειδικότερα η μέτρηση της συστολικής πίεσης αφήνει σημαντικά πίσω τις μεθόδους μέτρησης των γιατρών.

Όμως, παρά την επιτυχία των αποτελεσμάτων της, η μελέτη διαθέτει και μερικούς περιορισμούς, καθώς εξέτασε μόνο εικόνες ματιών με οπτικό εύρος 45 μοιρών. Περισσότερη έρευνα θα επιλύσει το ερώτημα εάν το μοντέλο πρέπει να τροποποιηθεί για μεγαλύτερες ή μικρότερες φωτογραφίες ενώ ένα μεγαλύτερο σύνολο δεδομένων, από αυτό που χρησιμοποιούν οι ερευνητές, θα είναι πιο κατάλληλο για την «εκπαίδευση» του deep learning. Με άλλα λόγια, δεν είναι ακόμη έτοιμη για κλινικές δοκιμές, αλλά είναι μια πολλά υποσχόμενη αρχή για μια ταχύτερη και μη επεμβατική αξιολόγηση της καρδιαγγειακής υγείας.

Τech & Science
0

ΣΧΕΤΙΚΑ ΑΡΘΡΑ

ΔΕΙΤΕ ΑΚΟΜΑ

Long Covid: Παιδιά και έφηβοι έχουν διπλάσιο κίνδυνο επιπλοκών μετά από δεύτερη μόλυνση

Τech & Science / Long Covid: Παιδιά και έφηβοι έχουν διπλάσιο κίνδυνο επιπλοκών μετά από δεύτερη μόλυνση

Μεταξύ των παθήσεων που σχετίζονται με τη long Covid στα παιδιά και τους έφηβους, η μυοκαρδίτιδα ήταν η πιο συχνή, με τον κίνδυνο να τριπλασιάζεται έπειτα από τη δεύτερη λοίμωξη Covid
LIFO NEWSROOM
Οι γυναίκες διατρέχουν αυξημένο κίνδυνο κατάθλιψης και ψύχωσης τις πρώτες εβδομάδες μετά τον τοκετό

Τech & Science / Οι γυναίκες διατρέχουν αυξημένο κίνδυνο κατάθλιψης και ψύχωσης τις πρώτες εβδομάδες μετά τον τοκετό

Η μελέτη, που βασίστηκε σε σχεδόν 1,8 εκατομμύρια γεννήσεις στη Σουηδία, δείχνει ότι η ψυχική υγεία των γυναικών βελτιώνεται στην εγκυμοσύνη αλλά επιδεινώνεται αμέσως μετά τον τοκετό
LIFO NEWSROOM
«Ένας σύντροφος από κώδικα»: Πώς οι άνθρωποι κάνουν τους AI συνοδούς τους να μοιάζουν πραγματικοί

Τech & Science / «Ένας σύντροφος από κώδικα»: Πώς οι άνθρωποι κάνουν τους AI συνοδούς τους να μοιάζουν πραγματικοί

Από την επιλογή προσωπικότητας μέχρι τη δημιουργία fan art, οι χρήστες διαμορφώνουν οι ίδιοι τις σχέσεις τους με chatbots, δημιουργώντας δεσμούς που θυμίζουν ανθρώπινες σχέσεις
LIFO NEWSROOM