การถ่ายภาพจอประสาทตาทำเป็นประจำโดยช่างแว่นตาเพื่อวินิจฉัยและติดตามโรคและความผิดปกติของดวงตา แต่การสแกนจอประสาทตาสามารถเปิดเผยอะไรได้อีกมาก: ความผิดปกติของหลอดเลือดขนาดเล็กที่จอประสาทตาอาจบ่งบอกถึงโรคหลอดเลือดในวงกว้าง รวมถึงปัญหาเกี่ยวกับหัวใจ ทีมวิจัยสหวิทยาการระดับนานาชาติที่มหาวิทยาลัยลีดส์ได้พัฒนาระบบปัญญาประดิษฐ์ (AI) ที่สามารถวิเคราะห์
การสแกน
ดวงตาที่ทำเป็นประจำโดยอัตโนมัติและระบุบุคคลที่มีความเสี่ยงต่ออาการหัวใจวายในอนาคตโรคหัวใจและหลอดเลือดเป็นสาเหตุของการเสียชีวิตก่อนวัยอันควรทั่วโลก การระบุและการรักษาเชิงป้องกันแต่เนิ่นๆ อาจช่วยลดความชุกของโรคได้ ปัจจุบัน ความเสี่ยงของผู้ป่วยต่อโรคหัวใจและหลอดเลือด
ประเมินโดยใช้พารามิเตอร์ ได้แก่ อายุ เพศ สถานะการสูบบุหรี่ และประวัติครอบครัว ควบคู่ไปกับการทดสอบภาพทางการแพทย์ เช่น CT หัวใจ การตรวจคลื่นไฟฟ้าหัวใจ และ MRI หลอดเลือดหัวใจ อย่างไรก็ตาม ขั้นตอนการถ่ายภาพดังกล่าวมักจะทำในโรงพยาบาลและอาจมีราคาสูง
ซึ่งจำกัดความพร้อมใช้งานในประเทศที่มีระบบการรักษาพยาบาลที่มีทรัพยากรน้อย“เทคนิค นี้เปิดโอกาสให้ปฏิวัติการตรวจคัดกรองโรคหัวใจ” ผู้เขียนอาวุโสอธิบาย ในแถลงการณ์ “การสแกนจอประสาทตาค่อนข้างถูกและใช้เป็นประจำในการปฏิบัติงานของช่างแว่นตา จากผลของการคัดกรองอัตโนมัติ
ผู้เขียนคนแรกและเพื่อนร่วมงานได้ตรวจสอบว่าระบบ AI ของพวกเขาสามารถใช้ภาพจอประสาทตาเพื่อประเมินมวลและประสิทธิภาพการสูบฉีดของหัวใจห้องล่างซ้ายได้หรือไม่ ช่องที่ขยายใหญ่ขึ้นมีความเชื่อมโยงกับความเสี่ยงที่เพิ่มขึ้นของโรคหัวใจ และสามารถใช้ทำนายแนวโน้มของอาการหัวใจวาย
หรือกล้ามเนื้อหัวใจตายในอนาคต (MI)เพื่อให้บรรลุเป้าหมายนี้ นักวิจัยได้ฝึกเครื่องเข้ารหัสอัตโนมัติแบบผันแปรหลายช่องสัญญาณและเครือข่ายการถดถอยเชิงลึกเพื่อประมาณปริมาตร ของหัวใจห้องล่างซ้าย (LVEDV) และมวลหัวใจห้องล่างซ้าย (LVM) โดยตรงจากภาพจอประสาทตา
พวกเขาฝึกฝน
และตรวจสอบเครือข่ายทั้งสองในระบบ AI นี้จากข้อมูลจากผู้เข้าร่วม 5663 และ 71,515 คนตามลำดับ ข้อมูลชุดแรกมีภาพ MR หัวใจ ภาพจอประสาทตาคุณภาพสูง และข้อมูลประชากร ในขณะที่ชุดหลังมีเพียงภาพสแกนจอประสาทตาและข้อมูลประชากรคุณภาพสูงเท่านั้น การเปรียบเทียบกับการแจกแจง
ความจริงของภาพ MR ของหัวใจและหลอดเลือดแสดงให้เห็นว่าสามารถใช้ภาพเรตินาเพื่อหาค่าพารามิเตอร์ของหัวใจเหล่านี้ได้จากนั้น นักวิจัยใช้ค่า โดยประมาณรวมกับข้อมูลประชากร เช่นเดียวกับข้อมูลประชากรเพียงอย่างเดียว เพื่อทำนายว่าผู้ป่วยมีความเสี่ยงต่ออาการหัวใจวายหรือไม่
ในอีก 12 เดือนข้างหน้า สำหรับการเปรียบเทียบนี้ พวกเขาใช้ข้อมูลจากผู้เข้าร่วมธนาคารชีวภาพในสหราชอาณาจักรที่มีภาพจอประสาทตาที่ไม่ได้ใช้สำหรับการฝึกอบรม AI: 992 กรณีที่เกิด MI หลังจากถ่ายภาพ และ 992 กรณีที่ไม่ใช่ MIพวกเขาพบว่าการเพิ่ม LVM/LVEDV โดยประมาณลง
ในข้อมูลประชากรช่วยปรับปรุงประสิทธิภาพการคาดการณ์ของระบบ AI ระบบทำนายเหตุการณ์ MI ในอนาคตจากภาพเรตินาที่มีความไวและความจำเพาะ 0.74 และ 0.72 ตามลำดับ โดยมีเพียงอายุและเพศเป็นตัวแปรเพิ่มเติม (ตามที่มีในศูนย์แว่นตาหรือคลินิกตา)ในที่สุด ทีมงานได้ทำการตรวจสอบ
ความถูกต้อง
ภายนอกโดยใช้ภาพจอประสาทตาและข้อมูลประชากรจากชุดข้อมูลอิสระ –การศึกษาโรคตาที่เกี่ยวข้องกับอายุของ NIH – ซึ่งมีผู้เข้าร่วม 180 คนที่มีเหตุการณ์ MI และ 2830 คนที่ไม่มีเหตุการณ์ พวกเขาพบว่าความสามารถของอัลกอริทึมในการทำนาย MI นั้นได้รับผลกระทบจากการมีอยู่
ของจอประสาทตาเสื่อม (AMD) ที่เกี่ยวข้องกับอายุในภาพจอประสาทตา ประสิทธิภาพการทำนายของระบบ AI นั้นสูงที่สุดในกรณีที่ไม่มี AMD โดยที่ความไวและความจำเพาะอยู่ที่ 0.70 และ 0.67 ตามลำดับ และลดลงในบุคคลที่มี AMD ซึ่งมีความรุนแรงเพิ่มขึ้น ทีมงานตั้งข้อสังเกตว่าการปรากฏตัว
ของโรคจอประสาทตาเช่น AMD โดยเฉพาะอย่างยิ่งในรูปแบบที่รุนแรงมากขึ้น ขัดขวางความสามารถของอัลกอริธึมในการอนุมานลักษณะการไหลเวียนของระบบจากการไหลเวียนของจอประสาทตาผู้ป่วยที่มีความเสี่ยงสูงที่จะป่วยอาจได้รับการส่งต่อไปยังผู้เชี่ยวชาญด้านหัวใจ การสแกนยังสามารถใช้
เพื่อติดตามสัญญาณเริ่มต้นของโรคหัวใจได้อีกด้วย”นักวิจัยสรุปได้ว่าระบบ AI สามารถประเมินค่าพารามิเตอร์ของหัวใจและทำนายเหตุการณ์ MI ในอนาคตได้โดยใช้ภาพถ่ายจอประสาทตาและข้อมูลประชากรที่หาได้ง่ายและราคาไม่แพง พวกเขาแนะนำว่าวิธีการของพวกเขาสามารถนำมาใช้
อย่างไรก็ตาม ไม่ใช่ว่าทุกอย่างเกี่ยวกับการทดสอบดังกล่าวจะเหมือนจริงไปเสียหมด และ อธิบายว่าก็เป็นไปตามที่ควรจะเป็น “โชคดีสำหรับผู้บริโภคอย่างเรา ระเบียบการทำความสะอาดที่เข้มงวดนั้นดีมาก และพื้นที่เหล่านี้สะอาดมาก เป็นไปได้ว่าเราจะต้องเพิ่มปริมาณตัวอย่างเพื่อให้ได้ผลลัพธ์ที่เป็นบวก”
เธอกล่าวสำหรับโอกาสทางการค้า เชื่อว่าพวกเขายังไปไม่รอด นอกเหนือจากการปรับปรุงที่เกี่ยวข้องกับอนุภาคนาโนแล้ว บริษัทต่างๆ จำเป็นต้องพัฒนาอุปกรณ์ที่ใช้งานง่าย ซึ่งการทดสอบการตรวจจับและเครื่องมือ แบบพกพาทำงานร่วมกันได้อย่างราบรื่น ถึงกระนั้นก็ตาม โครงการ ก็ได้รับการสนับสนุน
จากพันธมิตรในอุตสาหกรรมสองรายแล้ว ผู้ผลิตออปติคอลของสหรัฐฯ กำลังให้บริการเครื่องมือวัด และความรู้ความชำนาญเกี่ยวกับการกำหนดค่าการตรวจจับด้วยแสง ในขณะเดียวกันซึ่งเป็นหนึ่งในผู้ผลิตแซนวิชรายใหญ่ที่สุดของสหราชอาณาจักร กำลังให้การสนับสนุนทางการเงินและคำแนะนำเกี่ยวกับข้อกำหนดในการทดสอบสำหรับสภาพแวดล้อมการผลิตอาหารแช่เย็น
แนะนำ ufaslot888g
