www.machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home

Как сканирование сетчатки может помочь в диагностике сердечно-сосудистых факторов риска

Дата публикации Oct 3, 2019

Сердечно-сосудистые заболевания стали одной из ведущих причин смерти во всем мире. Ранняя идентификация - это первый шаг к определению числа.
Существующие методы включают в себя калькуляторы риска, такие какОбъединенные уравнения когорт Co, framingham²а такжеСистематическая оценка коронарного риска (SCORE) ³, Эти методы принимают во внимание атрибуты для определения риска, пола, статуса курения, артериального давления, ИМТ, глюкозы, уровня холестерина.
Проблемы, связанные с этими методами, заключаются в недоступности данных, таких как уровни холестерина, в 30% случаев, что требует забора крови натощак. Вот где полезно альтернативное сканирование сетчатки глаза, которое выполнимо и не навязчиво.
Целью этого анализа является создание оценщика для выявления любых серьезных побочных сердечно-сосудистых событий (MACE) в течение пяти лет. Таким образом, эта профилактическая помощь может быть оказана в нужное время.

Следующая статья - мои заметки к статье, опубликованнойGoogleкак часть их ИИ за хорошую инициативу. Чтобы получить детальное представление о теме, нужно перейти по ссылке. Эта статья не обсуждает модель и реализацию как модель машинного обучения, но рассказывает о том, как идея стала теорией и стала областью исследования. Исследование еще не завершено, есть много областей, которые необходимо исследовать, чтобы сделать его более точным.

Исследование фотографий глазного дна для выявления сердечно-сосудистого риска

Идея была разработана из того факта, чтогипертоническая ретинопатия⁴а такжеэмболия холестериномчасто может проявляться в глазах, которые можно визуализировать с использованием неинвазивных методов, таких как использование специализированных камер глазного дна для полученияФундус Фотографии. Та же самая основа была применена, чтобы диагностировать другие болезни какmelanoma⁶а такжедиабетическая ретинопатия⁷из медицинских изображений

О данных

Данные были собраны изУК Биобанка такжеEyePACSот нас. Данные для EyePACS свободно доступны наKaggle,

Таблица, описывающая набор данных

Популяция EyePACS состояла в основном из пациентов с диабетом и была доступна только в 60% случаев, средний уровень HbA1c был значительно выше нормального диапазона. Данные Биобанка были взяты из населения Великобритании, следовательно, многие факторы были недоступны для исследования.

методология

Модель была обучена прогнозировать различные факторы риска сердечно-сосудистых заболеваний, чтобы можно было предсказать MACE через 5 лет. Изображения глазного дна сетчатки были взяты в качестве обучающего набора данных, и отдельные модели были обучены для каждого фактора.

В качестве среднего значения непрерывных переменных была взята базовая линия для проверки способности модели.
Прогнозируемый возраст значительно улучшился по сравнению с исходным MAE при хорошей Rsquare. Алгоритм также предсказывал систолическое АД, ИМТ и HbA1c лучше, чем базовый уровень, но с меньшим прогнозом.

Производительность моделей для различных факторов риска сердечно-сосудистых заболеваний, возраст лучше прогнозируется с высокой точностью
Алгоритм имел возможность уменьшить MAE, но для САД возрастает до 150 мм рт.

Дальнейшая оптимизация была сделана для минимизации MAE, а не прогнозируемого возраста, который оказался значительно лучше, чем базовый уровень для возраста, САД, ДАД и ИМТ. Гипотеза MACE о корреляции с диабетической ретинопатией также была аннулирована.

Попытка уменьшить MAE оказалась лучшим решением и привела к еще меньшему MAE по многим факторам.

Полученные результаты

Поскольку было доказано, что глазное дно сетчатки является хорошим индикатором факторов риска сердечно-сосудистых заболеваний, эти изображения были предположительно скоррелированы для прогнозирования наступления MACE, данные для которого были доступны только для британского биобанка для 631 пациента.
Алгоритм достиг 0,7 AUC против 0,72 AUC по SCORE, что является хорошим показателем, учитывая, что он принял во внимание только изображение сетчатки.

Just Algorithm имел почти конкурентную точность с тестом SCORE, использование SCORE с Algorithm явно превосходит его

Визуализация факторов риска

Затем, анатомические области были идентифицированы с использованием мягкого внимания, 100 образцов из которых были оценены офтальмологами.

В качестве примера визуализации производительности глазного дна сетчатки для факторов риска сердечно-сосудистых заболеваний модель имела очень хорошую прогностическую силу для них

Кровеносные сосуды были выделены для прогнозирования возраста, привычки к курению, САД. HbA1c был выделен в периваскулярной среде. пол был выделен на оптическом диске. В то время как ДАД и ИМТ были более диффузно распределены по всему изображению.

Вывод

Исследование показывает замечательные достижения в области медицины. Результат будет иметь огромное влияние на то, как мы в настоящее время измеряем риск MACE. Это позволит сократить затраты и время на измерения, а также потребует проведения нескольких испытаний для одного и того же.

Следствие этого исследования также предполагает использование изображения глазного дна для других целей Если фотографирование глазного дна стало возможным с мобильных устройств⁸, все вышеперечисленное тестирование можно выполнить с помощью самого смартфона. Некоторые идеи будут определять, является ли человек курильщиком или нет. Гемоглобин, ИМТ, расчет артериального давления без необходимости обращаться к врачу.

Хорошо сказано: «Глаз - зеркало души».

Cheerio !!


Цитирование

[1]https://professional.heart.org/professional/GuidelinesStatements/ASCVDRiskCalculator/UCM_457698_

[2]https://www.mdcalc.com/framingham-risk-score-hard-coronary-heart-disease

[3]https://www.medscape.com/answers/2500032-166154/what-is-the-systematic-coronary-risk-evaluation-score

[4]https://www.healthline.com/health/hypertensive-retinopathy

[5]https://en.wikipedia.org/wiki/Cholesterol_embolism

[6]Меланома - Википедия

[7]https://en.wikipedia.org/wiki/Diabetic_retinopathy

[8]https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5609317/

Оригинальная статья

Footer decor

© www.machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map