四川大学华西医院与鹰瞳科技联合研究在Nature子刊发表

脑中风大家常听说，但提到“眼中风”，或许很多人还很陌生。

“眼中风”的学名叫做视网膜血管阻塞，简单来说就是眼底的血管被堵住了，它包括常见的视网膜静脉阻塞（RVO）和比较少见的视网膜动脉阻塞（RAO）。

视网膜静脉阻塞（RVO）是仅次于糖尿病性视网膜病变的第二位常见的视网膜血管疾病，被认为是导致视力丧失的重要原因，严重可致盲。数据显示，目前全球约有1600万人患有RVO。

四川大学华西医院、成都爱康国宾体检中心与北京鹰瞳科技发展股份有限公司（简称“鹰瞳Airdoc”）近日联合发表的一项研究中，研究人员创新性地研发并验证了一种AI算法模型来区分RVO患者和正常人的眼底照片，或将成为未来预测RVO和其他心脑血管疾病风险的有力工具。相关研究成果在《Nature》子刊《Eye》发表。

模型性能优异 

未来可用于预测血管疾病

RVO一般发现就处于中晚期，往往就医时已是重症。眼底视网膜血管是全身唯一肉眼可见的血管，视网膜血管变化一定程度上间接反映了身体其他部位血管的改变，通过视网膜图像预测RVO风险或发生的心血管事件具有重要意义。

研究共收集了 10549 幅眼底图像，其中包括2013张RVO患者对侧眼眼底图像和8536张正常眼底图像。尽管RVO 患者的对侧眼没有出现 RVO 的临床表现，但视网膜可能已经经历了细微的结构和功能损害。有证据表明，与普通人群相比，RVO 患者的对侧眼静脉阻塞的风险可能会增加。

该研究中对静脉阻塞的诊断是基于视网膜的典型症状，包括明显的静脉扩张或迂回，大面积的视网膜出血，神经纤维层的梗塞造成的棉絮状斑块。两位视网膜专家对诊断进行了检查和确认。

基于卷积神经网络的RVO风险预测模型

研究结果显示，该模型在内部验证集上的 AUC 为 0.9866，在外部验证数据集上的AUC 为 0.8102。也就是说，基于深度学习的RVO风险预测模型，在不同数据集中均表现良好。

研究通讯作者是四川大学华西医院眼科主任张明教授，第一作者是该院眼科任湘博士。专家指出，人工智能已逐渐应用于RVO的诊断与分级，研究证实了这一精心设计的深度学习算法模型能够在未来，帮助临床医生和其他专家更好地预测RVO和其他血管疾病。

AI捕捉细节

揭示RVO病理

“人工智能可以进行大量的计算，并捕获未知的和看似无关的因素来进行分类，这远远超出了人类的思维和能力。”研究人员表示。

为了解释视网膜中哪一部分对深度学习类赋值贡献最大，研究人员还生成了对应于不同卷积层的梯度类激活图（Grad-CAMs）。

CAM可视化下的眼底照片热图

通过比较不同组别之间的视网膜参数差异发现，两组训练数据集的视网膜动静脉比（AV ratio）、视杯与视盘比（CD ratio）和视盘倾斜角均有显著差异，RVO患者的数值均较大。CAM可视化技术进一步发现，该模型主要是通过血管的迂曲度以及视杯视盘的形状变化做出决策。

不同组别视网膜参数差异

研究人员解释道，人工智能提供了一种更精确的方法来捕捉视网膜特征的细节，这些细微的特征可能是风险因素导致的结果，并且揭示了RVO的病理。

*Ren, X., Feng, W., Ran, R. et al. Artificial intelligence to distinguish retinal vein occlusion patients using color fundus photographs. Eye (2022). 

打赏