AI眼底成像辅助评估心血管风险的初步研究
摘要
该研究在Metabolic机构对1461名40岁以上成人开展回顾性横断面分析，使用Dr. Noon AI平台分析非散瞳眼底照片，生成视网膜心血管风险评分（Reti-CVD）。结果显示Reti-CVD升高与年龄、男性、糖尿病、高血压、HbA1c升高、血压升高、HDL降低、甘油三酯升高及AI预测血管年龄增大显著相关。Reti-CVD与美国心脏协会PREVENT方程的分类一致性有限（Cohen's kappa未给出具体值），但连续评分与PREVENT阈值存在可评估的对应关系。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究纳入1461名≥40岁成人，使用Dr. Noon AI平台分析非散瞳眼底照片，生成Reti-CVD风险评分。
- Reti-CVD升高与多种已知心血管危险因素显著相关，包括糖尿病、高血压、HbA1c升高、低HDL和高甘油三酯。
- Reti-CVD与PREVENT方程的分类一致性有限，需通过前瞻性研究验证其对真实ASCVD事件的预测能力。
本站解读
这项研究发现，用AI分析普通眼底照片就能间接反映全身心血管风险——比如Reti-CVD得分高的人，往往真有糖尿病、高血压或血脂异常。它在混合诊疗模式中完成了1461例图像采集和分析，说明技术落地门槛不高；但因为是回顾性研究，且没追踪真实心脑血管事件（如心梗、卒中），目前只能算‘提示关联’，不能证明AI评分能提前预警发病。
临床短期内不会因此改变常规流程：PREVENT方程仍是金标准，Reti-CVD尚未被指南采纳，更谈不上替代传统风险评估。它最大的价值是为未来前瞻性试验铺路——只有验证了AI评分能比现有方法多预测出多少起真实ASCVD事件，才可能进入临床路径。
普通人无需因这项研究调整生活习惯或检查计划；眼底照相本身无创，但当前结果不支持将其作为常规心血管筛查手段。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
AI看眼底真能查出心脏病风险吗？
目前还不能直接诊断心脏病，但这项研究发现AI分析眼底照片得出的Reti-CVD评分，与糖尿病、高血压等心血管风险因素存在统计关联。它属于探索性工具，尚未被证实能替代传统风险评估模型，也不能单独用于临床决策。如有疑虑可咨询眼科医生。
以后体检是不是拍个眼底照就能知道血管老不老？
现阶段还不能。Reti-CVD评分虽与AI预测的血管年龄相关，但该研究未验证其对个体未来心血管事件的预测效果，也未建立临床应用标准。眼底成像仍主要用于眼部疾病筛查，血管健康评估仍依赖血压、血糖、血脂等传统指标。
延伸阅读
视网膜血管AI量化分析预测心血管风险
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。
AI通过眼底图像识别心血管疾病风险
研究团队开发了名为AVSeg-XAI的可解释深度学习框架，用于自动区分眼底图像中的动脉与静脉，并提取34个血管几何与拓扑特征。该模型结合15项无创临床指标（如年龄、BMI、血压），在卡塔尔生物银行队列中实现了0.81的CVD风险预测AUC，女性和45–55岁人群表现更优（AUC达0.83和0.90）。研究验证了视网膜微血管作为非侵入性心血管健康标志物的可行性。
AI分析眼底图像发现教师群体中眼底豹纹状密度与近视相关
研究对北京648名教师进行眼底照相和系统检查，利用AI算法量化眼底豹纹状密度（FTD），发现FTD均值为0.0609±0.0743，与球镜等效度（SE=-2.43±2.94 D）显著相关；近距离工作时间长（＞1小时/天，30 cm）与FTD升高有关；FTD对高度近视的区分能力中等（AUC=0.7788），还与中性粒细胞-淋巴细胞比（NLR）、血小板-淋巴细胞比（PLR）等炎症指标相关。