视网膜AI模型可微调心血管风险分层
摘要
研究基于英国生物银行40672名未用他汀的中年人（40–69岁，无糖尿病），评估视网膜AI风险评分对10年动脉粥样硬化性心血管病（ASCVD）的预测价值。结果显示，该AI评分在调整SCORE2后仍显著预测ASCVD（极高危组HR=2.32）；加入AI评分后，有1.2%的参与者被重新分类至ESC/EAS他汀用药建议边界两侧，净重分类指数为0.012；但未提升C指数或临床净获益。
信息来源： PubMed Ophthalmology 发布于 2026年10月24日
要点速览
- 研究纳入40,672名未用他汀、无糖尿病的40–69岁英国生物银行参与者
- 视网膜AI风险评分在SCORE2调整后仍独立预测ASCVD（极高危组HR=2.32）
- 加入AI评分使1.2%参与者跨越ESC/EAS他汀用药建议边界（statin-eligibility NRI=0.012）
本站解读
这项研究发现，用眼底照片训练出的AI模型能轻微但统计显著地改变传统心血管风险分层——把一小部分人（NRI 0.012）从‘不用他汀’重新划到‘该用他汀’，或反之。样本量大（超4万人）、随访时间长（中位10年）、设计为前瞻性队列，方法扎实；但‘重新分类’幅度小，且未带来C指数或决策曲线净获益的提升，说明它目前还不能替代现有工具，更像一个补充信号。
临床落地难度不小：AI评分需高质量眼底照相、标准化图像采集和本地部署能力，而当前结果仅验证于英国人群，未涉及亚洲人种或中国患者数据。短期内不会改变指南或处方习惯。普通人无需因此改变生活方式或就医节奏，如有疑虑可咨询眼科医生。
常见问题
我的眼底照相结果说心血管风险高，是不是得马上吃降脂药？
不是。这项研究中的视网膜AI评分只是辅助参考，不能单独决定是否用药；它只在极小比例人群中（NRI 0.012）改变了原有他汀用药建议，且未证明能提升临床决策效果。是否用药仍需结合血压、胆固醇、年龄等综合判断，如有疑虑可咨询眼科医生。
这个AI看眼底就能查心脏病，靠谱吗？
它不直接‘查心脏病’，而是通过眼底血管细微变化预测未来10年动脉粥样硬化性心血管病风险。研究显示它有统计学意义（p<0.001），但重分类幅度小，且未改善主流预测指标（如C指数）。目前仅为科研工具，尚未用于临床决策。
延伸阅读
机器学习通过眼底影像无创识别神经退行性疾病
该综述系统梳理了利用视网膜和视神经影像结合机器学习模型诊断阿尔茨海默病、帕金森病和多发性硬化等神经退行性疾病的研究进展。由于视网膜是中枢神经系统的延伸，其结构与血管变化可反映脑部病变。现有证据表明，基于视网膜图像训练的机器学习模型在疾病分类中已展现出高准确率，为无创、便捷、早期识别这些疾病提供了新路径。
视网膜血管特征可提升妊娠期高血压患者两周内分娩预测
研究纳入54名住院的妊娠期高血压疾病（HDP）患者，同步采集sFlt-1/PlGF比值与眼底照片，用AI工具AutoMorph自动量化动脉和静脉的密度、分形维数、迂曲度。结果显示：sFlt-1/PlGF≥38者视网膜血管密度和分形维数显著降低；整合视网膜参数、生化指标与临床数据的模型预测2周内分娩的AUC达0.85，明显优于仅用sFlt-1/PlGF比值（AUC=0.64）或加临床数据（AUC=0.72）的模型。
视网膜微血管变化可早期预测心血管风险
研究指出，视网膜微血管结构与功能变化（如管径、迂曲度、分支模式、灌注特征）与高血压、糖尿病、卒中、冠心病和心衰相关。因视网膜血管与冠状动脉、脑血管在结构和生理上高度相似，其成像可无创反映全身血管健康状况。光学相干断层扫描血管成像（OCT-A）等技术能精细分析视网膜微循环，结合人工智能和深度学习，可从眼底照片自动提取高维血管特征，辅助个体化心血管风险分层。