(توسط جیووانی کالسرانو) دانشمندان گوگل و زیرمجموعه فناوری بهداشت آن ، در حقیقت ، با استفاده از هوش مصنوعی و نرم افزار یادگیری ماشین ، روش جدیدی را برای ارزیابی خطر بیماری های قلبی شناسایی کرده اند. به طور خاص ، سیستمی ایجاد شده است که با تجزیه و تحلیل اسکن فوندوس بیمار ، می تواند داده های خاصی از جمله سن ، فشار خون و استعمال دخانیات را به طور دقیق استنباط کند. با استفاده از این داده ها ، و قرار دادن آن با یک پایگاه داده از اطلاعات پزشکی ، سیستم قادر به پیش بینی خطر آسیب قلبی عروقی با دقت کم و بیش همان روش های فعلی است.
در حالی که ایده تجزیه و تحلیل چشم ها برای قضاوت در مورد سلامت قلب غیرمعمول به نظر می رسد ، از یک تحقیق کاملاً ثابت الهام می گیرد. در واقع پشت چشم مملو از رگ های خونی است که سلامت کلی بدن را منعکس می کند. واضح است که استفاده از چنین نرم افزاری تجزیه و تحلیل مشکلات قلبی بیمار را برای پزشکان آسان تر و سریعتر می کند ، زیرا نیازی به آزمایش خون ندارد. اما این روش باید بیشتر مورد آزمایش قرار گیرد تا در واقع در محیط بالینی مورد استفاده قرار گیرد.
برای آموزش سیستم دانشمندان از گوگل و در واقع از مجموعه داده ها، از جمله اسکن های چشم و اطلاعات مربوط به کلی پزشکی، از بیماران 300.000 استفاده می کردند. سپس شبکه های عصبی برای تعریف مجموعه ای از الگوهای استاندارد و ارتباط علامت های تشخیص خاص موجود در اسکن با مقادیر مربوطه برای تعیین خطر بیماری قلبی عروقی (به عنوان مثال، سن و فشار خون) مورد استفاده قرار می گرفت.
در مرحله ارائه ، به ترتیب سیستم چند زوج از تصاویر شبکیه نشان داده شد که یکی از آنها مربوط به بیماری بود که در 70 سال بعد از یک واقعه قلبی عروقی رنج می برد و دیگری نه. الگوریتم گوگل در 72٪ موارد بیمار را در معرض خطر شناسایی کرد. این مقدار فقط اندکی بدتر از روش SCORE است که معمولاً برای پیش بینی خطر قلبی عروقی استفاده می شود ، که به آزمایش خون نیاز دارد و XNUMX٪ پیش بینی صحیح را ارائه می دهد.
آلون هیوز ، استاد فیزیولوژی قلب و عروق و داروسازی در UCL در لندن ، گفت که وی به دلیل "سابقه طولانی مشاهده شبکیه در پیش بینی خطر قلبی عروقی" رویکرد گوگل را کاملاً معتبر دانست.
برای گوگل ، این شغل چیزی فراتر از یک راه فقط برای مطالعه مشکلات قلبی است. در عوض ، این نشان دهنده مسیر جدیدی است که می توان برای کمک به آن ، و هدایت تحقیقات علمی حرکت کرد. در واقع ، در حالی که بیشتر الگوریتم های پزشکی فعلی برای تکثیر ابزارهای تشخیصی موجود ساخته شده اند (برای مثال شناسایی سرطان پوست) ، این الگوریتم از روش های جدیدی برای تجزیه و تحلیل داده های پزشکی موجود استفاده می کند. بنابراین ، می توان با شروع از پایگاه داده های ویژه بزرگ حاوی اطلاعات دقیق در مورد بیماری ها و بیماران ، سیستم هایی ایجاد کرد که می تواند شرایط خاص را تجزیه و تحلیل کند. در حال حاضر ، فرضیه پزشک معالج "مصنوعی" که تشخیص جدیدی را بدون نظارت انسان انجام می دهد ، دور از انتظار است ، اما تحقیقات گوگل نشان می دهد که این ایده کاملا دور از ذهن نیست.