视网膜 AI 技术：心血管疾病风险评估的新希望

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

【字体：大中小】 时间：2025年02月25日 来源：npj Digital Medicine 12.4

编辑推荐：

　　为解决心血管疾病（CVD）风险评估工具在现实应用中的不足，墨尔本圣文森特医院研究人员开展基于自动视网膜摄影和人工智能的 CVD 风险评估系统研究，发现该系统可行且被认可，预测准确性与传统方法相当，有望用于基层医疗。

　　心血管疾病（Cardiovascular Disease，CVD）在澳大利亚可谓是健康领域的 “头号杀手”，它不仅是导致死亡的首要原因，在 2021 年约占全部死亡人数的 25%，也是疾病负担的主要来源，2020 - 2021 年有 60 万人因 CVD 住院，2021 - 2022 年有高达 1.16 亿张 CVD 相关药物处方。不过，世界卫生组织（WHO）指出，近 80% 的过早发生的 CVD 事件是可以预防的。这其中，CVD 风险评估就显得尤为关键，它能帮助医生尽早识别高风险患者，及时进行干预。

然而，现有的 CVD 风险评估工具却存在诸多问题。像弗雷明汉风险评分（Framingham risk score）、汇集队列方程（Pooled Cohort Equations，PCE）、QRISK3、SCORE2 以及 WHO 风险预测图表等，虽然经过验证，但在现实世界中的应用情况却不理想。这些工具往往需要收集人口统计信息、临床检测结果，还经常涉及血液检测，可这些并非基层医疗初始咨询的常规项目。在实际操作中，收集这些风险信息既耗时又耗费资源，使得 CVD 风险评估的普及面临重重困难。

为了突破这些困境，墨尔本圣文森特医院的研究人员开展了一项极具意义的研究。他们将目光投向了视网膜，这个能在体内展现微脉管系统的独特器官，其变化可以反映全身血管健康状况。研究人员借助人工智能（Artificial Intelligence，AI）算法，利用视网膜图像来预测 CVD 风险。相关研究成果发表在《npj Digital Medicine》期刊上。

此次研究中，研究人员运用了多种关键技术方法。首先，他们从英国生物银行（UK Biobank）的 41,530 名参与者的视网膜图像和人口统计数据中获取信息，开发深度学习算法。在算法训练时，以 WHO 针对澳大利亚人群的基于实验室的 CVD 风险图表方法为 “金标准”。同时，采用图像质量评估流程对视网膜图像质量进行分类，只有 “可用” 或 “良好” 的图像才用于训练和验证。研究中使用了 VisionTransformer 模型，并实施五折交叉验证策略防止过拟合。此外，为评估该系统预测 CVD 风险的能力，研究人员在英国生物银行中进行了纵向验证。

下面来看看具体的研究结果。在研究人群方面，共有 361 名无 CVD 病史的参与者纳入分析，平均年龄 59.3 岁，女性占 48.8%。在基层医疗实践中，rpCVD 筛查的可行性良好，361 名参与者中有 339 人至少有一只眼睛的照片符合算法质量标准，成像成功率达 93.9%，首次成像成功率为 65.9%，完成一次检查的中位时间仅为 1 分 47 秒。

在算法的现实世界性能上，rpCVD 风险评分与 WHO CVD 风险评分的皮尔逊相关系数（Pearson correlation coefficient，PCC）为 0.526（95% CI：0.444 - 0.599），两者平均差异为 -0.316%（5.02%）。当将 CVD 风险分为低、中、高三个等级时，rpCVD 与 WHO CVD 风险评分的一致性为 63.4%，17.1% 的参与者被 rpCVD 高估风险，19.5% 被低估风险。亚组分析发现，rpCVD 在年龄小于 60 岁、女性以及使用非实验室模型计算 WHO CVD 风险评分的参与者中相关性更高。

在预测 10 年 CVD 事件的准确性上，研究人员分析了英国生物银行中 27,595 名基线时无 CVD 的参与者数据。在中位随访 11.4 年期间，低风险组和中高风险组均有部分参与者发生 CVD。rpCVD 预测 10 年 CVD 事件（冠心病和中风）的 AUC 为 0.672（95% CI：0.658 - 0.686），与 WHO CVD 风险评分的 AUC（0.693，95% CI：0.680 - 0.707）相当。

在参与者和临床医生的接受度方面，参与者对 rpCVD 风险评估系统的接受度很高，92.5% 的参与者表示满意，95.0% 认为系统易于使用，92.8% 觉得实时报告易于理解，93.6% 认为报告中的管理计划清晰，89.4% 表示会再次使用该系统，90.8% 会推荐给朋友。临床医生中，87.5% 的全科医生（General Practitioners，GPs）对系统表示满意或非常满意，62.5% 和 25.0% 的 GPs 认为该系统的可用性可能或非常可能增加他们进行全面 CVD 风险评估的意愿，所有参与的 GPs 都表示若该系统能融入日常临床工作流程，他们很可能会继续使用。不过，GPs 也指出了一些实施该系统的障碍，如技术使用和购买成本高、患者对 “机器” 计算风险缺乏信心、技术人员 / 护士拍照时间不足等。

综合研究结论和讨论部分，此次研究表明自动视网膜摄影和基于 AI 的 rpCVD 风险评估系统在澳大利亚基层医疗环境中是可行的，并且得到了参与者和 GPs 的认可。尽管 rpCVD 与 WHO CVD 风险评分的相关性为中等，但在预测未来 CVD 事件方面，两者表现相当。不过，该算法在高风险个体和老年男性中的预测准确性有待提高，可能是受开发数据集和成像方式差异的影响。未来研究需要对参与者的 CVD 结局进行随访，进一步完善算法，以提高其预测性能，使其能更广泛地应用于临床。这一研究为基层医疗中 CVD 风险评估提供了一种更快捷、简便且无创的新方法，有望改善 CVD 的预防和管理，具有重要的临床意义和应用前景。

热点排行

新闻专题

联系信箱：

粤ICP备09063491号