就像指甲和头发一样，人类视网膜可以提供有关患者整体健康状况的丰富信息，包括他/她患心脏病的风险。虽然目前检测心血管问题的方法涉及一系列昂贵而复杂的测试，但Google和Verily Life Sciences的一组研究人员最近提出了一种通过部署深度学习算法实现大致相同结果的方法。
尽管人类视觉系统在解决与我们的祖先环境相关的问题方面非常有能力，但是在许多情况下，尽管它们接近，但各种细微的线索仍然是我们看不到的。
对于医学图像，“观察和量化关联通常很困难，因为真实数据中存在各种各样的特征，模式，颜色，值和形状” - 这就是人工智能的用武之地。
在该研究中，研究小组使用了近30万个视网膜眼底图像，标记了与年龄，吸烟状况，血压和BMI(体重指数)等心脏病相关的信息，以训练算法。
培训完成后，算法在12 026和999例患者的两个独立数据集上松散进行测试。只需查看图像，就可以估算患者五年心脏病风险以及我们今天的最佳方法，减去相关费用。
该算法还旨在报告其所关注的内容以进行诊断。对于诸如年龄，血压和吸烟状况之类的事情，它集中于视网膜血管的许多特征，而通过更广泛地考虑眼睛的不同特征来检测性别。
有趣的是，当被问及算法在寻找与BMI的相关性时所关注的是什么时，它没有报告任何可清楚识别的特征集，这表明它在视网膜中“看到”的模式根本不可用。
研究人员还注意到，对于深度学习算法来说，一组30万次扫描实际上非常小，考虑到可以使用更多数据，这对于未来的改进具有前景。
由于现代临床方法的性能还有待提高，因此改进肯定是必要的 - 与诊断相关的成本相对较高，而准确性则不然。