视网膜血管AI量化分析预测心血管风险
摘要
研究团队利用AI工具AutoMorph,从8467名40-70岁健康受试者的眼底照片中提取12项视网膜血管定量指标,涵盖动脉和静脉的密度、宽度、分形维数及迂曲度等。外部验证使用UK Biobank的16249例影像。结果发现动脉指标与血压、血脂、血糖、BMI及睡眠呼吸暂停参数显著相关,且能预测新发心血管事件。研究首次建立年龄与性别分层的视网膜血管参考值体系。
信息来源: PubMed Ophthalmology 发布于 2026年6月17日
要点速览
- 研究基于8467名40-70岁健康人群的眼底照片,提取12项视网膜动脉和静脉的AI量化指标
- 使用AutoMorph AI工具自动分析血管密度、宽度、分形维数、迂曲度等参数,按年龄和性别分层建立参考值
- 动脉指标与血压、血脂、血糖、BMI及睡眠呼吸暂停参数显著相关,并在UK Biobank队列中验证了对心血管事件的预测价值
本站解读
这项研究背后是‘眼底即全身窗口’的底层趋势加速落地——视网膜微循环不再只是眼科观察对象,而成为系统性代谢与心血管风险的无创生物传感器。AI驱动的自动化量化正把过去依赖专家经验的定性判读,转变为可批量、可比对、可建模的临床数据流。
设备厂商和AI医疗软件公司最直接受益,尤其掌握眼底相机+算法闭环能力的企业;传统依赖人工阅片的第三方影像中心承压,因其服务附加值被稀释。中国市场上,已有三甲医院在糖尿病视网膜病变筛查中试用类似AI血管分析模块,但尚未建立本土化年龄分层常模——这意味着当前引用的8467例欧美人群基准值无法直接套用,国内亟需千人级以上健康队列验证。
预计未来2-3年,国内将出现首个基于中国人数据的视网膜血管AI风险评分产品注册申报。后续需重点关注:一是国家药监局是否将此类‘非诊断型预测工具’纳入二类医疗器械单独分类;二是医保是否会为‘眼底血管AI评估’设立独立收费编码——这决定其能否从科研场景走向门诊常规。
常见问题
查眼底能看出我以后会不会得心脏病吗?
目前还不能单靠一次眼底检查确诊或排除心脏病,但这项研究显示,AI分析眼底血管特征(如动脉宽度、迂曲度)可辅助预测未来心血管事件风险。该技术尚未在中国获批用于风险预测,国内三甲医院尚处于科研验证阶段,如有疑虑可咨询眼科医生或心内科医生。
AI看眼底比医生看更准吗?
AI在血管参数量化上更稳定、可重复,比如自动测量血管密度或分形维数,但无法替代医生综合判断。中国目前AI眼底分析多用于糖网初筛,预测心血管风险的功能尚未进入临床指南。医生仍需结合病史、血压、血脂等全面评估,如有疑虑可咨询眼科医生。
延伸阅读
大语言模型生成高度近视考题能力评估
研究对比了ChatGPT-5.4、Gemini 3、DeepSeek、Kimi K2.5和Doubao五款公开大模型在高度近视领域生成单选题(MCQ)的能力。每模型完成60道题,共300题,覆盖基础理论、临床案例、诊疗决策及筛查随访四类内容。所有模型结构合格率均为100%,但关键答案准确率从95.0%(Kimi K2.5、Doubao)到100.0%(ChatGPT-5.4、Gemini 3)不等。专家评审发现各模型在干扰项质量与事实准确性上存在显著差异,需人工审核方可用于教学。
鸟枪脉络膜视网膜炎宽视野眼底图像数据集发布
研究团队发布了名为Birdshot-Wide的公开眼底影像数据集,包含742只鸟枪脉络膜视网膜炎(BSCR)患眼的5042张宽视野眼底照和742只健康对照眼的1310张图像,所有BSCR图像均经人工质量审核并按主要病变亚型分类,中位随访达4.31年;基于该数据集训练的深度学习模型在区分BSCR与正常眼任务中AUC最高达0.96。
因果推理提升多病种眼底影像诊断准确率
研究团队提出一种融合因果干预的多标签医学影像诊断框架,针对多种眼病共存时模型易混淆统计相关性与真实因果关系的问题。该方法通过建模潜在混杂因素并实施后门调整,在ODIR(彩色眼底照相)、LID-FFA(眼底荧光血管造影)等四个数据集上验证效果,显著提升诊断准确性与可解释性。源代码已开源。