深度学习可通过眼底照相识别结直肠癌
摘要
英国生物银行一项病例对照研究使用1600张眼底照片（800例结直肠癌患者、800例非患者），训练EfficientNet-B3模型识别癌症状态。测试集上AUROC达0.945，敏感性90.00%，特异性84.17%。但按真实人群低发病率（0.5%）校准后，阳性预测值仅2.8%，阴性预测值高达99.94%。研究认为眼底存在结直肠癌相关微血管或神经视网膜特征，但该技术目前更适合作为初筛排除工具，而非独立诊断手段。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究基于英国生物银行1600张眼底照片（800例结直肠癌+800例对照），用EfficientNet-B3模型实现高区分能力。
- 模型在测试集上AUROC为0.945，敏感性90.00%，特异性84.17%，但按0.5%人群患病率校准后PPV仅2.8%。
- 研究结论指向眼底存在结直肠癌相关生物标志物，但强调该技术定位是‘风险分层或排除工具’，非独立诊断方法。
本站解读
这项研究发现，仅靠眼底照片，AI就能在区分结直肠癌患者和健康人时达到0.945的AUROC——这个数字远超偶然水平，说明眼底确实藏着系统性疾病留下的‘痕迹’。但它的样本来自已确诊患者的回顾性数据，且是严格配比的病例对照设计，不能代表日常筛查场景；当把模型放到真实世界（结直肠癌人群患病率仅约0.5%）中推演，每100个被判定‘阳性’的人里只有不到3个真患病，假阳性泛滥。因此它短期内不可能替代肠镜或粪便检测，而更可能成为基层或体检中心的‘初筛过滤器’：结果阴性者可大幅降低担忧，阳性者则需转诊进一步检查。国内情况有待确认。
对普通人来说，无需因这项研究改变现有筛查行为——它不提供早诊早治的新路径，也不降低对结直肠癌常规筛查（如肠镜、FIT）的依赖。眼底照相本身无创快捷，未来若整合进常规体检，或许能悄悄多一道风险提示，但绝不是‘看一眼眼睛就知道有没有癌’。真正有价值的突破，要等后续前瞻性队列研究验证其能否在症状出现前数月甚至数年预警风险。
常见问题
用眼底照片真能查出结直肠癌吗？
目前不能作为确诊依据。研究显示AI分析眼底照相可在已知病例中高准确率区分患者与非患者（AUROC=0.945），但在真实人群中假阳性极高——每100个被AI判为‘有癌’的人里，实际只有约3个真患病。它更适合辅助排除风险，而非替代肠镜或粪便潜血检测。如有疑虑可咨询眼科医生。
以后体检拍个眼底照就能省掉肠镜了吗？
不能。这项技术尚处研究阶段，未用于临床筛查。即使未来落地，其低阳性预测值（2.8%）也决定了它无法取代肠镜等金标准。它可能的作用是帮助识别高风险人群，再引导这部分人优先接受肠镜检查，从而提升整体筛查效率。如有疑虑可咨询眼科医生。
延伸阅读
通用AI模型在眼底照相诊断中与专家一致性低
该研究是一项小样本试点研究，比较谷歌Gemini 2.5 Flash通用多模态AI模型与视网膜专科医生对66张彩色眼底照片（CFP）的独立判读结果，并以未设盲的主治专科医生诊断为参考标准。结果显示，两位人类专家间一致性达AC2=0.67（属实质性一致），而AI模型与参考专家的一致性仅为AC2=-0.58，AI与设盲专家之间的一致性也仅AC2=-0.38，表明该AI在纯图像判读中可靠性很低。
AI通过眼底照相识别慢性肾病微血管变化
这项单中心病例对照研究利用AI分析322名受试者的眼底照片，包括110名健康对照、142名CKD 1-2期患者和70名CKD 3-5期患者。研究发现，动脉静脉比（AVR）降低等视网膜微血管参数与CKD显著相关，且在早期阶段即已出现改变。经年龄、性别和BMI校正后，AVR每下降1单位，CKD风险增加约38.3%（OR=0.617）。模型显示出中等区分能力。
AI增强OCT可准确量化冠状动脉斑块负荷
研究团队开发了一种深度学习算法，用于全自动分析光学相干断层扫描（OCT）图像，以量化冠状动脉斑块负荷（PB）和血管尺寸。研究使用10例尸检人的心脏，对29支主要冠状动脉进行OCT和血管内超声（IVUS）成像，并与组织病理学金标准对比。共获得852个匹配的横截面数据，结果显示AI-OCT与病理结果的相关性不劣于IVUS，且无统计学显著差异。