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

20 χρόνια μετά την «Αιώνια λιακάδα ενός καθαρού μυαλού», υπάρχει πλέον η τεχνολογία διαγραφής αναμνήσεων;

Tech & Science / 20 χρόνια μετά την «Αιώνια λιακάδα ενός καθαρού μυαλού», υπάρχει πλέον η τεχνολογία διαγραφής αναμνήσεων;

Σίγουρα είμαστε πολύ πιο κοντά στο να μπορούμε να χρησιμοποιήσουμε την επιστήμη για να αλλάξουμε τις αναμνήσεις μας, από ό,τι ήμασταν πριν από μια εικοσαετία.
NEWSROOM