En undersøgelse udført af forskere ved Kingston University, London, har fastslået, at kunstig intelligens-drevne øjenscanninger kan bruges til hurtigt og præcist at forudsige, om en person har høj risiko for hjertesygdom.
Resultaterne kan bane vejen for hurtigere og lettere kardiovaskulær screening ved hjælp af kameraer uden behov for blodprøver eller blodtryksmålinger.
Kredsløbssygdomme, herunder hjerte-kar-, koronar-, hjertesvigt og slagtilfælde, er en af de førende årsager til sygdom og død på verdensplan og er nu ansvarlige for hvert dødsfald i Storbritannien. Selvom der findes forskellige risikorammer, er de ikke altid i stand til nøjagtigt at identificere dem, der vil udvikle eller dø af kredsløbssygdomme.
Som en del af undersøgelsen udviklede Kingston University professor i computersyn Sarah Barman og postdoc-forsker Roshan Welikala kunstig intelligens (AI) algoritmer, der pålideligt kunne måle billedkarakteristika af nethinden, såsom bredden af nethinden. af blodkar og deres krumning .
I samarbejde med kolleger ved St George's, University of London, NIHR Biomedical Research Centre på Moorfields Eye Hospital og UCL Institute of Ophthalmology, samt MRC Epidemiology Unit ved University of Cambridge, demonstrerer disse AI-baserede billeder specificere risikoen for hjerte-kar-sygdomme og slagtilfælde og fungere som en alternativ forudsigelig biomarkør til traditionelle risikotryk for vaskulær sundhed. Resultaterne er offentliggjort i magasinet »British Journal of Ophthalmology«.
"Takket være denne forskning har vi vist, at en AI-drevet øjenscanning, som måske ikke rutinemæssigt udføres af en øjenlæge på gaden, er lige så god som et standardmål for kardiovaskulær risiko," sagde professor Barman. "Alle, der går til en optiker i Storbritannien, tilmelder sig en øjenscanning, og i modsætning til standardmetoder, der kræver en blodprøve af den praktiserende læge, ville denne type screening kun kræve et billede af nethinden og nogle data, som f.eks. patientens alder, om han ryger eller ej, og nogle spørgsmål relateret til hans sygehistorie.
"Denne metode, som ville tillade bredere befolkningsscreening på en ikke-invasiv måde, der kunne føre til tidlige forebyggende behandlinger for dem, der findes at være mest udsatte, har et betydeligt potentiale."
Forskerne udviklede en fuldt automatiseret AI-drevet algoritme, kaldet QUARTZ, til at vurdere potentialet ved at afbilde nethindens vaskulatur sammen med kendte risikofaktorer til at forudsige vaskulær sundhed og død. Algoritmen kan evaluere et enkelt billede af nethinden på mindre end et minut.
Nethindebilleder af 88.052 britiske biobankdeltagere i alderen fra 40 til 69 år blev scannet med algoritmen, hvor man kiggede specifikt på karbredde, karareal og krumningsgrad for at udvikle modeller til forudsigelse af slagtilfælde, myokardieinfarkt og død som følge af kredsløbssygdomme. Disse modeller anvendes derefter på nethindebilleder af 7.411 deltagere i alderen 48 til 92 fra European Prospective Investigation into Cancer (EPIC)-Norfolk-undersøgelsen.
QUARTZ ydeevne blev sammenlignet med den meget anvendte ramme for Framingham risikotryk. Deltagernes helbred er blevet fulgt i gennemsnit på syv til ni år, og det er underforstået, at en ikke-invasiv risikoscore baseret på alder, køn, rygestatus, sygehistorie og nethindevaskulatur virkede lige så godt som Framingham-rammen. .
