至顶网软件频道消息:谷歌和同属Alphabet集团专注于健康的Verily Life Sciences共同进行的一项研究表明,深度学习算法可以通过分析个体的视网膜照片准确预测心脏病。
这些公司的科学家在《自然-生物医学工程》(《Nature Biomedical Engineering》)上发表的一篇新论文中详细介绍了他们的发现:“通过深度学习视网膜眼底照片预测引起心血管疾病的危险因素”。
视网膜眼底照片包括眼睛的血管,这篇论文显示可以利用血管准确预测心血管疾病的危险因素,包括其人是否吸烟、血压、年龄、性别以及某人是否曾经有过心脏病发作。该算法也能够推断出一个人的种族,这也是心血管相关疾病的一个因素。
谷歌的大脑团队(Brain Team)产品经理Lily Peng写道:“用来自284,335名患者的数据对深度学习算法进行训练,我们能够通过视网膜照片对两个来自12,026名和999名患者的独立数据集进行心血管疾病危险因素的预测,而且预测的准确度高得惊人。”
这个数据集包括来自英国Biobank数据库的48101名患者和来自EyePACS数据库的236244名患者。
正如文章指出的那样,还有一些其他的方法可以通过患者的病史和血液样本评估心血管疾病的风险,但有时关键信息是缺失的,如胆固醇水平。
视网膜图像扫描可以为发现心脏疾病信号提供一种快速、廉价且无创的方式。
鉴于该算法可以准确预测风险因素,科学家们还训练该算法来预测主要心血管疾病的发作,如五年内心脏病发作。
Peng写道:“我们的算法能够在70%的时间内挑选出曾经发作过心血管疾病的患者。这种准确程度已经接近了其他的心血管疾病风险计算方式,而这些方式需要抽血测量胆固醇。”
研究人员还使用注意力图来研究算法如何进行预测,比如是否关注通过血管来预测年龄、吸烟状况和血压。
正如Peng所说,打开黑匣子并且解释清楚预测是如何进行的,应该会让医生对该算法更有信心。
Verily的心血管健康创新负责人Michael McConnell表示,这项研究很有前途的,但现在还处于早期阶段。
他指出:“在进入临床之前,必须还要完成更多的工作,在更大范围的患者群体中开发和验证这些发现。”
然而,如果进一步的研究证实了这些发现,视网膜图像的使用可以减少医生讨论患者预防措施的障碍。
好文章,需要你的鼓励
周一AWS美东数据中心DNS故障导致数百万用户和上千家企业断网,Reddit、Snapchat、银行和游戏平台均受影响。专家认为这凸显了冗余备份的重要性,CIO需要根据业务关键性进行风险评估,优先保护核心系统。单一供应商策略仍可行,但需通过多区域部署分散风险,建立故障转移计划。金融、医疗等高风险行业需更高冗余级别。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。