Syväoppimisalgoritmi obstruktiivisen sepelvaltimotaudin havaitsemiseen silmänpohjavalokuvien avulla

Mallioppimisen avulla koulutettu tekoäly voi suorittaa nopeasti lääketieteellisen kuvantunnistuksen, ja sitä käytetään laajalti varhaisessa sairauksien seulonnassa ja avustetussa diagnoosissa. Syväoppimisen jatkuvan optimoinnin myötä tekoälyn soveltaminen on auttanut löytämään joitain aiemmin tuntemattomia assosiaatioita muihin systeemisiin sairauksiin. Verkkokalvon silmänpohjakuviin perustuvaa tekoälyä voidaan käyttää anemian, maksa-sappisairauksien ja kroonisen munuaissairauden havaitsemiseen sekä muiden systeemisten biomarkkereiden ennustamiseen. Yllä olevat tutkimukset tarjoavat teoreettisen perustan verkkokalvon silmänpohjakuviin perustuvan tekoälyteknologian soveltamiselle sydän- ja verisuonitautien diagnosoinnissa ja ennustamisessa.

Tällä hetkellä Kiinassa ja muualla ei ole vieläkään saatavilla tarkkoja, nopeita ja helppokäyttöisiä diagnostisia ja terapeuttisia työkaluja sepelvaltimotaudin riskin ennakoivaan mallintamiseen ja varhaisiin seulontatyökaluihin. Silmänpohjakuvaa käytetään vähitellen työkaluna laajaan sairauksien seulomiseen sen erityisen yhteyden ansiosta koko kehon verisuoniin sekä helpon, halvan ja tehokkaan saatavuuden ansiosta. On erittäin tieteellistä ja yhteiskunnallista merkitystä kehittää ja validoida malli sepelvaltimotaudin ja sen riskitekijöiden tunnistamiseksi ja ennustamiseksi silmänpohjakuviin perustuen tekoälyn syväoppimisalgoritmeja käyttäen ja tutkia tekoälyn silmänpohjakuvien arvoa sepelvaltimotaudin avustamisessa. diagnoosi ja seulonta monenlaisiin sovelluksiin.