Obecne metody wykrywania problemów sercowo-naczyniowych obejmują szereg kosztownych i skomplikowanych testów. Zespół badaczy z Google i Verily Life Sciences wymyślił niedawno sposób osiągnięcia takiego samego rezultatu poprzez zastosowanie algorytmu głębokiego uczenia się.
Aby algorytm nauczył się rozpoznawać choroby serca pokazano mu prawie 300 000 obrazów dna oka oznaczonych informacjami dotyczącymi chorób serca, palenia tytoniu, ciśnienia krwi, wieku czy BMI (Body Mass Index). Teraz wystarczy, że spojrzy na zdjęcie i potrafi oszacować pięcioletnie ryzyko zachorowania. Robi to szybciej i taniej niż stosowane obecnie procedury medyczne.
Algorytm został również zaprojektowany w taki sposób, aby informować, na czym koncentrował się, by postawić diagnozę. Ocenia on wiele cech naczyń krwionośnych oka i potrafi określić, które z nich wzbudziły jego zaniepokojenie, wiążąc je z nadciśnieniem czy paleniem tytoniu. Co ciekawe, na pytanie, na czym skupiał się algorytm, szukając korelacji z BMI, nie zgłosił żadnego wyraźnie rozpoznawalnego zestawu cech, sugerując, że widzi na siatkówce wzory, których w ogóle nie widać.
Naukowcy ocenili, że zestaw 300 000 skanów jest w rzeczywistości zbyt mały dla systemu samouczącego się, a dostarczenie większej ilości danych spowoduje poprawę skuteczności działania programu. Oznacza to, że, w przewidywalnej perspektywie czasu, badanie serca będzie przeprowadzane za pomocą spojrzenia w oczy.
