AI通过眼底照片评估动脉僵硬度
摘要
该研究基于北京大学第三医院连续五年收治的患者数据，回顾性分析了3088次就诊中同步采集的眼底照片与baPWV/ABI检测结果。研究人员开发了一套优化的AI系统，自动量化视网膜血管形态、视盘参数及病变数量，并发现这些AI提取的指标与baPWV和ABI存在显著相关性，验证了眼底特征作为动脉僵硬度无创生物标志物的可行性。
信息来源： PubMed Ophthalmology 发布于 2026年12月1日
要点速览
- 研究基于北京大学第三医院5年内的3088次就诊数据，分析AI提取的视网膜参数与baPWV/ABI的相关性。
- AI系统自动量化视网膜血管密度、动静脉比、视盘面积、圆形度及渗出/玻璃膜疣数量等指标。
- 结果显示多项AI-derived视网膜特征与baPWV和ABI均呈显著相关，具备作为动脉僵硬度生物标志物的潜力。
本站解读
这项研究发现，用AI从普通眼底照片里算出的几个参数——比如血管密度、动静脉比、视盘面积，甚至黄斑区渗出和玻璃膜疣数量——能稳定预测动脉僵硬度（以baPWV为金标准）。结论不是‘眼睛能代替血压计’，而是‘已有眼底照相设备+AI算法，可低成本复用为心血管风险初筛工具’。
研究靠谱：样本量达3088次就诊，来自单一中心但时间跨度五年，且用了训练集建模、测试集验证的常规流程；不过它是回顾性设计，未干预、未随访结局，不能证明用该方法筛查真能降低心脑血管事件。临床落地还有距离——AI模型需在不同设备、人群、光照条件下重复验证，目前尚未进入诊疗指南或监管审批路径。
普通人无需因此改变生活习惯或检查频率；已有高血压、糖尿病者照常管理基础病即可。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
拍个眼底照就能查心脏血管硬不硬吗？
目前还不能直接替代专业设备检测，但研究发现AI分析眼底照片得出的某些参数（如血管密度、动静脉比）确实和动脉僵硬度指标baPWV显著相关。这说明未来可能用常规眼底检查辅助评估心血管风险，但现阶段仍需baPWV等标准检测确认。如有疑虑可咨询眼科医生。
这个AI技术现在医院能用上了吗？
还没有进入临床常规应用。该研究属于方法学验证阶段，AI模型尚未经过多中心前瞻性试验验证，也未获得医疗器械注册审批。它展示了技术可行性，但离实际部署到基层医院或体检中心还有开发、验证和监管流程要走。
延伸阅读
空间感知神经符号AI用于OCT图像视网膜病分类
研究开发了一种融合CNN、视网膜层分割图与专家规则的神经符号AI模型，用于对OCT图像进行多标签视网膜疾病分类。模型在10类疾病（含干/湿性AMD、糖尿病视网膜病变等）上测试，微平均精确率0.91、召回率0.81、F1分数0.86，AUC达0.98；对402张未纳入训练的病理图像，未错误判为‘正常’。
多类别眼睑图像数据集支持AI分析
研究团队构建了一个含1414张外部眼图像的公开数据集，覆盖八种常见眼睑疾病及正常对照组。每张图像均标注了眼睑裂、角膜和眉毛三个关键结构，并经专家验证和质量评估，标注一致性高。基于该数据集训练的Attention 2D U-Net模型在三类结构分割中分别达到0.93、0.96和0.89的Dice系数。
用眼底照片估算脉络膜肿瘤厚度的新方法
研究团队开发了一种受人类双眼立体视觉启发的深度学习模型，利用超广角眼底照相的红、绿通道光谱差异来预测脉络膜肿瘤厚度。该模型在337例患者数据上训练和验证，以超声测量值为金标准，结果显示均方根误差为1.07毫米，决定系数R²达0.85。基于厚度的风险分层准确率达90.5%，敏感性和特异性分别为87.7%和92.9%。