谷歌及其子公司Verily的科學家們發(fā)現(xiàn)了一種利用機器學習來評估一個人患心臟病風險的新方法。通過分析病人眼睛后部的掃描結(jié)果，該公司的軟件能夠準確地推斷出數(shù)據(jù)，包括個人的年齡、血壓，以及他們是否吸煙。這些信息可以用來預(yù)測他們患心臟病的風險，比如心臟病發(fā)作，與目前的主要方法大致相同。

使用神經(jīng)網(wǎng)絡(luò)進行圖像識別的優(yōu)勢是，你不必告訴它在圖像中尋找什么，你甚至不需要關(guān)心它尋找什么。有了足夠的訓練，神經(jīng)網(wǎng)絡(luò)應(yīng)該能夠找出使其做出準確識別的細節(jié)。

就像要弄清楚圖像中是否有貓一樣，神經(jīng)網(wǎng)絡(luò)并不能提供比我們視覺系統(tǒng)中的實際神經(jīng)元更多（如果有的話）的優(yōu)勢。但它們的優(yōu)勢能在我們不知道應(yīng)該尋找什么的情況下得以發(fā)揮。在某些情況下，圖像可能會提供人類無法理解的細微信息，但是神經(jīng)網(wǎng)絡(luò)可以通過適當?shù)挠柧殎慝@取這種信息。

現(xiàn)在，研究人員已經(jīng)做到了這一點，即利用病人視網(wǎng)膜的圖像訓練出一種深度學習算法來識別心臟病的風險。視網(wǎng)膜中有著豐富的血管，因此可以檢測出整個循環(huán)系統(tǒng)中所存在的問題；例如高膽固醇或高血壓等疾病都會在眼睛里留下痕跡。因此，一個由谷歌和Verily生命科學公司研究人員組成的研究團隊決定看看一個深度學習網(wǎng)絡(luò)如何能夠從視網(wǎng)膜圖像中找到這些痕跡。

為了訓練這個網(wǎng)絡(luò)，他們使用了將近30萬張帶有心臟病相關(guān)信息（比如年齡、吸煙狀況、血壓和體重指數(shù)）的網(wǎng)膜圖像。該系統(tǒng)經(jīng)過訓練后，又在另外1萬3千張圖像上進行應(yīng)用，以了解它是如何運作的。

僅通過觀察視網(wǎng)膜圖像，該算法給出的患者年齡與其真實年齡的差距一般在3.5年內(nèi)。它在估計病人的血壓和體重指數(shù)方面也做得很好?？紤]到這些成功，該團隊隨后訓練了一個類似的網(wǎng)絡(luò)，利用這些圖像來估計未來五年內(nèi)發(fā)生重大心臟問題的風險。結(jié)果顯示，其性能與根據(jù)上述多種因素得到的心臟病風險評估計算結(jié)果類似，但該算法是通過圖像完成估計的，而不是通過一些測試和詳細的問卷調(diào)查。

這項工作的精妙之處在于該算法已經(jīng)建立，因此它可以告訴人們它是根據(jù)哪些重點依據(jù)做出診斷的。對于年齡、吸煙狀況和血壓等問題，該軟件重點關(guān)注血管的特征。訓練它來預(yù)測性別最終導致它專注于分散在眼睛周圍的特定特征，而體重指數(shù)最終沒有任何明顯的焦點，這表明體重指數(shù)信號會被傳播到整個視網(wǎng)膜中。

研究人員表示，即使是30萬張圖像的訓練集對于深度學習算法來說也很小，所以他們認為如果有更多的數(shù)據(jù)可供使用，他們可以做得更好。由于計算具有很大的不確定性，他們注意到類似于診斷計算的性能并不是很好，所以算法還需要改進。隨著一些改進措施的推出，該算法可能成為一種有用的診斷工具，因為視網(wǎng)膜圖像常被用來篩查與糖尿病相關(guān)的眼睛問題，而糖尿病通常與心臟病有關(guān)。