视网膜血管参数双眼一致性研究
摘要
研究团队对431名冠状动脉粥样硬化性心脏病（CAD）患者共862张眼底彩照进行AI分析，使用ResNet 101-UNet模型自动测量分形维数、血管密度和管径等指标。结果显示，无论CAD状态或Gensini评分高低，左右眼各项参数均无统计学显著差异（P＞0.05），Pearson相关系数为0.387–0.833，ICC为0.384–0.824，表明双眼高度对称。
信息来源： PubMed Ophthalmology 发布于 2026年6月29日
要点速览
- 研究纳入431名CAD患者共862张眼底彩照，所有视网膜血管参数在左右眼间均无统计学显著差异（P＞0.05）
- 采用ResNet 101-UNet深度学习模型自动量化分形维数、血管密度和血管直径等指标
- 结论指出单眼眼底图像可能足以代表个体视网膜血管状态，支持其用于心血管风险评估
本站解读
这项研究背后是眼科影像从‘看结构’向‘读系统’的底层跃迁——视网膜不再只是眼睛的窗口，而是全身血管健康的数字镜像。当AI能稳定提取双眼高度一致的微血管特征，意味着单眼拍摄即可支撑心血管风险初筛，这将直接压缩双侧同步成像设备的临床必要性，利好已部署广角眼底相机与AI分析平台的机构，而依赖传统人工判读或单参数检测的基层筛查服务将承压。
在中国市场，已有三甲医院试点将眼底AI用于糖尿病视网膜病变分级，但本研究指向更广阔的慢病共管场景。若该结论在更大样本中复现，未来社区卫生中心或体检中心可能用一台眼底相机+标准化AI模型，同步支持眼病、高血压、冠心病的早期识别。这要求算法必须通过中国人群验证，目前原文未提供亚组数据，有待确认。
后续需重点关注两个信号：一是国内多中心研究是否启动针对CAD高危人群（如40岁以上合并三高者）的双眼参数验证；二是国家药监局是否将‘基于单眼眼底图像的心血管风险评估’纳入AI三类医疗器械审批新路径。预计2–3年内会有首个国产同类算法提交注册申请。
常见问题
做一次眼底检查能不能顺便看看心脏有没有问题？
目前还不能直接诊断心脏病，但这项研究提示：单眼眼底AI分析结果可能反映全身血管健康状况，未来或可用于心血管风险初筛。国内已有部分三甲医院在探索类似应用，但尚未进入常规体检项目，如有疑虑可咨询眼科医生或心内科医生。
左右眼检查结果不一样，是不是说明有问题？
这项研究发现，即使患有冠状动脉粥样硬化性心脏病，左右眼的视网膜血管参数仍高度一致，细微差异属正常范围。因此单眼检查结果通常可代表整体视网膜血管状态。中国临床实践中，多数筛查也默认以右眼为主，如有疑虑可咨询眼科医生。
延伸阅读
血管引导多任务深度学习模型同步分割血管并分类眼底病
研究团队开发了V-MNet模型，首次将视网膜血管分割与多种眼底病分类整合于同一深度学习框架，并引入血管结构先验信息指导疾病分类。该模型在四个公开数据集上测试，血管分割Dice系数达0.831，多病种分类平均AUC为0.978、F1分数为0.935，显著优于单任务模型。Grad-CAM模块提供可视化病灶定位图，增强临床可解释性。
AI量化OCT层衰减揭示地理萎缩结构功能关系
研究基于两项III期临床试验（Chroma和Spectri）共1519例地理萎缩（GA）患者数据，利用AI自动分割OCT图像，计算ELM、EZ和RPE层的衰减面积，并与BCVA、低亮度视力（LLVA）、阅读速度及微视野检查结果关联。结果显示：中央1mm区ELM损失面积与BCVA显著相关（r=-0.46），而LLVA更关联3mm环形区EZ损失；微视野中暗点数量与ELM/EZ总损失高度相关（r=0.67）。研究证实GA中解剖损伤位置决定功能缺损模式。
法国建成国家级罕见眼病数据仓库
法国启动FREDD项目，构建全国性、可互操作的罕见眼病数据仓库，由INSERM主导，采用三层集中架构，整合临床数据与眼科影像。2024年4月获监管批准，2025年3月在5家中心启动采集，首年纳入1649例视网膜色素变性患者（占全国登记病例20.3%），收集超1万张眼科图像。项目验证了在强监管环境下建设专科化多模态数据库的可行性，但长期可持续性依赖成本回收机制。