具有强大的人工智能的简单眼科考试可能导致早期帕金森病的疾病诊断

从英国Biobank拍摄的眼底图像的一个例子。

简单的眼科考试与强大的人工智能（AI）机器学习技术相结合，可以提前检测帕金森病，据北美放射学会（RSNA）的年会呈现。

帕金森病是中枢神经系统的进步障碍，影响全球数百万人。诊断通常基于震颤等症状，肌肉僵硬和平衡受损 - 一种具有重大限制的方法。

“该方法的问题是患者通常只在长期进展后产生症状，只有在巨大的多巴胺脑神经元损伤后，”生物医学工程博士学位的研究领先作者Maximillian Diaz表示。佛罗里达大学的学生在佛罗里达州盖恩斯维尔。“这意味着我们正在诊断疾病过程中的患者。”

输入图像中血管分割的比较：（a-c）灰度法完全选择沿着图像水平运行的主要血管，当仅获得少量部分时。（D-F）改进的血管选择可以在整个图像中选择较小的血管，尽管它有时仅限于分断部分。（g-i）选择最佳血管选择的表示，其中选择了图像中的所有血管。

疾病进展的特征在于神经细胞衰减，将视网膜的墙壁粘附在眼球后部的壁上。该疾病还会影响视网膜的显微血管或微血管结构。这些特征呈现了利用AI的力量来检查眼睛的图像的机会，用于帕金森病的迹象。

对于新的研究，Diaz与研究生Jianqiao Tian和Florida Neiuralt Adolfo Ramirez-Zamora，MD，罗武芳族，博士，博士，博士，博士，Ph.D.。学习和评估实验室（微笑）。

研究人员部署了一种称为支持向量机（SVM）学习的AI类型，自1989年以来一直存在。使用来自帕金森病和控制参与者的两名患者的眼睛背面的图片，他们培训了SVM来检测暗示疾病的图像上的迹象。

结果表明，机器学习网络可以根据视网膜脉管系统对帕金森病进行分类，主要特征是较小的血管。所提出的方法进一步支持脑生理学的变化可以在眼睛中观察到的想法。

机器学习过程：（a）通过称为U-NET的机器学习网络选自血管，从原始的眼底图像中选择，该网络被训练，以选择眼睛中的血管。然后将血管送入支持向量机分类器中以诊断如果一个人有帕金森病。（b）从眼底图像创建灰度图像，并且它们由相同的U-Net网络选择船只来改善血管的选择。

“这项研究的最重要发现是脑病被诊断出脑病的眼睛的基本情况，”Diaz说。“这与传统方法不同，在哪里找到你看看不同脑图像的大脑的问题。”

Diaz指出，使用MRI，CT和核医学技术的传统成像方法可能非常昂贵。相比之下，新方法使用常用眼科诊所的设备的基本摄影来获得图像。图像甚至可以用具有特殊镜头的智能手机捕获。

“这只是眼睛的简单照片，你可以在不到一分钟内完成它，而且设备的成本远小于CT或MRI机器，”迪亚兹说。“如果我们能够提高这一年的筛查，那么希望能够越早越来越多的案例，这可以帮助我们更好地了解疾病并找到一种治疗或一种减缓进展的方法。”

Diaz说，该方法还可以具有鉴定影响大脑结构的其他疾病的应用，例如阿尔茨海默病和多发性硬化。

会议：RSNA 2020 - 第106届科学大会和年会。