眼睛測試可能是評估中風風險的簡單方法。一項新研究確定了視網膜（眼睛後部的光敏感組織層）中的 29 個血管“指紋”，這些血管“指紋”與中風風險增加顯著相關。
國際研究團隊表示，他們的人工智能技術可以幫助及早發現問題並拯救生命——約 90%中風歸因於可改變的危險因素，包括血壓和不良飲食。
“當與年齡和性別相結合時，新確定的視網膜參數與已確定的傳統風險因素相比，對中風風險具有相當的預測能力，”寫該團隊在他們發表的論文中。
這項工作建立在先前的研究研究眼睛和大腦如何連接，以及眼睛血管如何反映大腦血管的特徵。中風是由於流向大腦的正常血流中斷或阻塞，導致大腦缺乏氧氣和營養而引起的。
視網膜圖像通過眼底攝影– 使用類似顯微鏡的相機 – 從更廣泛的研究數據庫中註冊的 45,161 個人中收集數據。在這些參與者中，有 749 人在數據庫覆蓋的時間段內（平均 12.5 年）患過中風。
一個機器學習人工智能方法被用來發現中風志願者的一致的眼部血管模式，包括血管的密度和形狀。總共發現了 29 種與中風風險相關的視網膜血管特徵。
研究人員發現，人工智能識別的視網膜參數與中風可能性增加 9.8% 至 19.5% 相關，並且他們能夠將這些參數聯繫起來早期研究眼部血管和中風風險。
“這一發現與之前的研究一致，之前的研究發現與中風危險因素有關，包括年齡、高血壓和動脈粥樣硬化，”寫研究人員。
“我們的研究結果表明，這種關聯主要是由於動脈密度參數造成的。從病理學角度來看，這可能是由於氧氣和營養供應受損造成的。”
換句話說，一些可能引發中風的潛在問題眼睛的血管——儘管這項研究還不夠全面，無法證明直接的因果關係。
預測中風的可能性很複雜，因為有許多不同的因素在起作用，到。並非所有這些都會出現在眼科檢查中，但這些肯定有助於及早識別增加的風險。
與任何類型的可靠診斷掃描一樣，如果更多的人能夠更早地收到警告，那就意味著有更多的機會採取行動，並有可能防止病情發展為更嚴重的情況。
“該模型為中風風險評估提供了一種實用且易於實施的方法，特別是對於初級醫療保健和資源匱乏的環境，”寫研究人員。
該研究發表於心。
