梅克伦堡-前波莫恩：人工智能有望通过观察眼睛识别慢性疾病
视网膜作为“身体的窗户”，不仅揭示眼睛的健康状况，还能提供心脏或肾脏问题的线索。借助人工智能，这一过程将变得更加精准。
格赖夫斯瓦尔德（dpa/mv）——人工智能有时也让医生感到困惑。“我们不知道它具体是怎么做到的，但它做得相当好。”格赖夫斯瓦尔德大学医学中心（UMG）眼科主任安德烈亚斯·斯塔尔说道。他指出，AI能够根据视网膜图像判断一个人的性别，“准确率高得惊人”。这一发现曾令眼科医生们震惊。
“我无法告诉你这张图像是来自男性还是女性，”斯塔尔承认。不过，实际用途有限，因为性别很容易通过其他方式识别。但这个例子展示了AI的潜力。格赖夫斯瓦尔德的科研人员希望加以利用。
通过“视网膜年龄”项目，他们计划开发一种AI，能够尽可能精确地根据视网膜照片早期识别慢性疾病，甚至评估个体健康风险。
斯塔尔将眼睛称为“身体的窗户”。许多疾病，尤其是循环系统疾病，都会伴随血管变化，例如大脑、肾脏或心脏的血管。中风或心肌梗死可能是后果。
“但这些血管在其他部位都看不到，只有在视网膜上我们才能看到这些最微小的血管。”即使是心脏的核磁共振检查也无法提供相应的分辨率。而视网膜照片则无需太多操作，有时甚至不需要事先用眼药水散瞳。
斯塔尔表示，如今眼科医生已经不仅仅考虑眼部疾病。有时他们会建议患者发现异常后去看心内科或肾内科专家。“这并不一定需要AI，有些东西我们自己也能看到。”但AI可以更精细地分析更多特征。据斯塔尔介绍，已有获批的AI算法能够识别糖尿病引起的眼部问题。在诊断某些其他眼科疾病时，AI也已投入使用。
格赖夫斯瓦尔德的生物信息学家拉尔斯·卡德拉利表示，所谓的神经网络非常擅长识别图像中的模式。“过去十年里，这项技术实现了一个巨大的飞跃。”
在AI训练方面，曾有一段时间主要依赖长期健康研究SHIP（波美拉尼亚健康研究）的数据。斯塔尔说，大约有3000到4000张图像，“这已经很不错了”。
得益于新的州立法，如今可以使用更多数据，即研究之外的患者常规数据。斯塔尔表示，仅眼科门诊每天就会拍摄30到40张视网膜照片。这些照片可以与UMG中同一患者的其他检查结果相结合，用于AI训练。
这得益于2024年修订的州医院法。州数据保护与信息自由专员塞巴斯蒂安·施密特解释说，梅克伦堡-前波莫恩是第一个引入可行法规的联邦州，允许使用患者数据进行AI训练。此前，必须主动告知患者并征得同意，这通常因工作量太大而失败，卡德拉利解释道，因此数据也无法使用。现在实行的是异议制度，即患者必须主动反对使用其数据。施密特表示，新规定在明确的结构内对患者数据进行受控的、假名化的使用。
卡德拉利解释说，相应地，“视网膜年龄”项目也必须获得数据保护与伦理委员会的批准。“现在只要患者没有反对，这些数据就可以使用。”据斯塔尔介绍，一个独立的托管机构管理着用于合并假名化数据的密钥。“它可以整合数据，以便我们十年后还能知道谁是谁。”如果患者提出异议，它也可以将数据移除。
卡德拉利和斯塔尔估计，经过训练，AI在几年内就能达到足够可靠的程度，届时可以考虑实际应用。为此，还需要克服监管障碍。
“视网膜年龄”并非UMG唯一的AI项目。据卡德拉利介绍，其他正在进行或计划中的项目涉及预测献血需求、急诊床位需求，以及改进癌症治疗。另一个与罗斯托克大学医学中心合作的AI项目旨在更好地早期识别败血症。卡德拉利解释说，败血症是德国医院最常见的死亡原因之一。如果及早发现并进行针对性治疗，相当一部分死亡病例被认为是可避免的。AI成为救星——这就是希望。
【全文结束】