谷歌和同屬Alphabet集團專注于健康的Verily Life Sciences共同進行的一項研究表明，深度學習算法可以通過分析個體的視網膜照片準確預測心臟病。

這些公司的科學家在《自然-生物醫學工程》（《Nature Biomedical Engineering》）上發表的一篇新論文中詳細介紹了他們的發現：“通過深度學習視網膜眼底照片預測引起心血管疾病的危險因素”。

視網膜眼底照片包括眼睛的血管，這篇論文顯示可以利用血管準確預測心血管疾病的危險因素，包括其人是否吸煙、血壓、年齡、性別以及某人是否曾經有過心臟病發作。該算法也能夠推斷出一個人的種族，這也是心血管相關疾病的一個因素。

谷歌的大腦團隊（Brain Team）產品經理Lily Peng寫道：“用來自284，335名患者的數據對深度學習算法進行訓練，我們能夠通過視網膜照片對兩個來自12，026名和999名患者的獨立數據集進行心血管疾病危險因素的預測，而且預測的準確度高得驚人。”

這個數據集包括來自英國Biobank數據庫的48101名患者和來自EyePACS數據庫的236244名患者。

正如文章指出的那樣，VPS，還有一些其他的方法可以通過患者的病史和血液樣本評估心血管疾病的風險，但有時關鍵信息是缺失的，如膽固醇水平。

視網膜圖像掃描可以為發現心臟疾病信號提供一種快速、廉價且無創的方式。

鑒于該算法可以準確預測風險因素，科學家們還訓練該算法來預測主要心血管疾病的發作，如五年內心臟病發作。

Peng寫道：“我們的算法能夠在70％的時間內挑選出曾經發作過心血管疾病的患者。這種準確程度已經接近了其他的心血管疾病風險計算方式，而這些方式需要抽血測量膽固醇。”

研究人員還使用注意力圖來研究算法如何進行預測，比如是否關注通過血管來預測年齡、吸煙狀況和血壓。

正如Peng所說，打開黑匣子并且解釋清楚預測是如何進行的，應該會讓醫生對該算法更有信心。

Verily的心血管健康創新負責人Michael McConnell表示，這項研究很有前途的，但現在還處于早期階段。

他指出：“在進入臨床之前，必須還要完成更多的工作，域名注冊，在更大范圍的患者群體中開發和驗證這些發現。”

然而，如果進一步的研究證實了這些發現，視網膜圖像的使用可以減少醫生討論患者預防措施的障礙。