机器学习通过眼底影像无创识别神经退行性疾病
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年9月1日
要点速览
- 视网膜是中枢神经系统延伸，其结构和血管变化与阿尔茨海默病、帕金森病、多发性硬化等神经退行性疾病相关
- 机器学习模型通过分析视网膜和视神经影像，已在多项研究中实现对上述疾病的高准确率分类
- 该方法有望推动神经退行性疾病的无创、早期、自动化诊断
本站解读
这项综述指出，机器学习模型用视网膜影像就能高准确率地分类阿尔茨海默病、帕金森病和多发性硬化——这说明眼睛真可能成为‘看脑’的窗口。但要注意，原文未提供任何具体准确率数字或样本量，所有‘高准确率’都来自已有研究的汇总描述，属于间接证据；这类回顾性综述本身不产生新数据，无法直接验证模型在真实门诊中的稳定性。
短期内很难改变临床做法：目前尚无一款基于该技术的诊断工具获得监管批准用于常规筛查，更未进入诊疗指南。从论文到临床应用，还需大规模前瞻性验证、标准化图像采集流程、跨设备泛化能力测试，以及明确其相比现有手段（如MRI）的成本效益比。国内情况有待确认。
普通人无需因此改变日常行为，也不必专门去拍眼底照来筛查神经退行病。这类技术仍处于研究转化阶段，远未达到居家自测或社区普筛水平。如有认知或运动方面疑虑，可咨询眼科医生或神经科医生。
常见问题
用眼底照片真能查出老年痴呆吗？
目前还不能作为确诊手段，但已有研究显示，机器学习模型分析眼底影像可在部分研究中较准确地区分阿尔茨海默病患者与健康人。这种技术尚处研究阶段，未用于临床常规诊断。如有认知功能方面的疑虑，可咨询眼科医生或神经科医生。
这个方法比做核磁共振便宜又方便吗？
理论上是的——视网膜成像非侵入、快速、成本远低于磁共振成像和脑脊液检测。但原文未提供具体费用或耗时数据，也未说明该方法是否已通过头对头比较证实其诊断效能不劣于MRI。它目前是补充探索路径，而非替代方案。
延伸阅读
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。
AI驱动的眼科组学探索脑-眼关联
本文是一篇观点文章，探讨了人工智能支持下的‘眼科组学’（oculomics）在识别和治疗神经退行性及脑血管疾病中的潜在应用。作者提出，视网膜作为中枢神经系统的外周延伸，其影像特征可能反映大脑健康状态，AI技术可从眼底图像中挖掘与神经系统疾病相关的生物标志物。
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。