倫敦金斯頓大學的研究人員進行的一項研究確定，人工智能驅動的眼部掃描可用於快速準確地預測一個人是否有患心髒病的高風險。
結果可以為使用相機更快、更容易地進行心血管篩查舖平道路，而無需進行血液測試或血壓測量。
循環系統疾病，包括心血管、冠狀動脈、心力衰竭和中風，是全世界疾病和死亡的主要原因之一，現在與英國的每一例死亡有關。 儘管存在各種風險框架，但它們並不總是能夠準確識別那些將患上循環系統疾病或死於循環系統疾病的人。
作為研究的一部分，金斯頓大學計算機視覺教授 Sarah Barman 和博士後研究員 Roshan Welikala 開發了人工智能 (AI) 算法，可以可靠地測量視網膜的圖像特徵，例如視網膜的寬度、血管及其曲率.
與倫敦大學聖喬治學院、Moorfields 眼科醫院的 NIHR 生物醫學研究中心和 UCL 眼科研究所以及劍橋大學 MRC 流行病學部門的同事合作，證明這些基於人工智能的圖像可以指定心血管疾病和中風的風險，並作為血管健康傳統風險壓力的替代預測生物標誌物。 結果發表在《英國眼科雜誌》雜誌上。
巴曼教授說：“由於這項研究，我們已經證明，街上眼科醫生可能不會常規進行的人工智能眼部掃描與心血管風險的標準測量一樣好。” “每個去英國配鏡師的人都會報名參加眼部掃描，而且與需要 GP 驗血的標準方法不同，這種類型的篩查只需要視網膜圖像和一些數據，例如患者的年齡，他是否吸煙，以及一些與他的病史有關的問題。
“這種方法可以以非侵入性方式進行更廣泛的人群篩查，從而為那些被發現風險最大的人提供早期預防性治療，具有相當大的潛力。”
研究人員開發了一種名為 QUARTZ 的全自動人工智能算法，以評估視網膜血管成像的潛力以及已知的風險因素，以預測血管健康和死亡。 該算法可以在不到一分鐘的時間內評估一張視網膜圖像。
使用該算法掃描了 88.052 名年齡從 40 歲到 69 歲不等的英國生物銀行參與者的視網膜圖像，特別是觀察血管寬度、血管面積和彎曲度，以開髮用於預測中風、心肌梗塞和循環系統疾病死亡的模型。 然後將這些模型應用於來自歐洲癌症前瞻性調查 (EPIC)-諾福克研究的 7.411 名年齡在 48 至 92 歲之間的參與者的視網膜圖像。
QUARTZ 性能與廣泛使用的 Framingham 風險壓力框架進行了比較。 參與者的健康狀況平均被跟踪七到九年，據了解，基於年齡、性別、吸煙狀況、病史和視網膜血管系統的非侵入性風險評分與 Framingham 框架一樣有效.
