وعملت "غوغل" مع شركة Verily  للتكنولوجيا الصحية ومقرها ولاية كاليفورنيا لإنشاء خوارزمية الذكاء الاصطناعي التي تتعقب الأوعية الدموية في الجزء الخلفي من العين، وأظهرت الأبحاث السابقة أن شكل وحجم أوعية الشبكية يعكسان الصحة العامة للشخص، بما في ذلك خطر الإصابة بأمراض القلب والسكتة الدماغية، فالمرضى الذين يعانون من ارتفاع ضغط الدم أو الذين يدخنون هم أكثر عرضة للإصابة بالأوعية الضعيفة والتالفة من الأفراد الشباب والأصحاء.

وتقول "غوغل" إنها باستخدام صور الشبكية كانت قادرة على تحديد هذا الرابط والتنبؤ بخطر إصابة المريض بأزمة قلبية أو غيرها من حالات القلب والأوعية الدموية الكبرى، وقالت "غوغل" إن الخوارزمية كانت قادرة على معرفة ما إذا كان المريض سيعاني من مرض بالقلب والأوعية الدموية في السنوات الخمس المقبلة مع معدل دقة يصل إلى 70 في المائة، وكانت النتائج مماثلة لتلك التي تحققت عن طريق طرق الاختبار التي تتطلب سحب الدم لقياس نسبة كوليسترول المريض، والتي هي عادة ما تصل دقتها  72 في المائة.

وقال الدكتور مايكل ماكونيل، الباحث الطبي في شركة "فيريلي" والمؤلف المشارك في الدراسة: "أمراض القلب والأوعية الدموية هي السبب الرئيسي للوفاة عالميا، وهناك مجموعة قوية من البحوث التي تساعدنا على فهم ما الذي يعرض الناس للخطر، فالسلوكيات اليومية بما في ذلك ممارسة الرياضة والنظام الغذائي مع العوامل الوراثية والعمر والعرق والجنس البيولوجي كلها تسهم، ومع ذلك، فإننا لا نعرف على وجه التحديد في شخص معين كيف تنشأ هذه العوامل حتى، لذلك في بعض المرضى قد نقوم بإجراء اختبارات متطورة للمساعدة في تحسين تصنيف خطر الفرد بالإصابة بأمراض القلب والأوعية الدموية مثل نوبة قلبية أو السكتة الدماغية".

وأضاف: "توضّح هذه الدراسة أن التعلم العميق يطبق على صورة قاع الشبكية، وهي صورة تشمل الأوعية الدموية في العين، يمكن أن تتنبأ في كثير من الأحيان بعوامل الخطر هذه من حالة التدخين إلى ضغط الدم، وكذلك التنبؤ بحدوث أمراض القلب والأوعية الدموية في المستقبل على قدم المساواة مع التدابير الحالية"، وقام الباحثون بالتدريب على الخوارزمية باستخدام مجموعة بيانات من نحو 300000 مريض، بما في ذلك مسح العين والبيانات الطبية العامة، واستخدم الروبوت تحليلا عميقا للتعلم لتحديد الأنماط في هذه المعلومات، والتعلم لربط علامات منبهة وتشير إليهم في العين بالأشعة مع المقاييس اللازمة للتنبؤ بخطر الإصابة بالمرض، مثل العمر أو ضغط الدم.

31101