北大团队创新AI诊断：1分钟给眼底“拍照”，就能预测心血管病 | 武阳丰教授点评

▎药明康德内容团队编辑

眼睛是心灵的窗户，也是一些疾病的“指示灯”。近期，北京大学临床研究所团队在知名期刊《科学通报》（Science Bulletin）发表最新成果，基于40万中国人健康数据开发的一款人工智能（AI）工具，可以通过观察眼底照片准确预测缺血性心脑血管病（ICVD）的10年风险。

截图来源：Science Bulletin

该研究由北京大学临床研究所与鹰瞳Airdoc公司合作完成，北京大学临床研究所在读博士研究生马燕军与鹰瞳Airdoc工程师熊健皓博士为共同第一作者，解武祥研究员与武阳丰教授为论文共同通讯作者。

据论文介绍，“这是中国首个尝试结合AI技术和眼底照片信息预测心脑血管病风险的研究。”药明康德内容团队邀请到武阳丰教授分享研究见解。

专家点评

Q

您如何看待AI眼底检测技术的成熟度/现状？ 

中国AI眼底检测技术目前已经趋于成熟，比如在视网膜糖尿病、动脉硬化、黄斑变性、青光眼等领域都已经达到临床诊断级别的能力。例如，我们合作伙伴AIRDOC鹰瞳公司开发的糖尿病视网膜病变眼底图像辅助诊断软件去年已被中国国家药品监督管理局批准注册上市。
另外，目前眼底照片拍摄技术也非常成熟，受过培训的测量员，使用高清眼底照相机，无需散瞳，可在40秒至1分钟内，采集双侧眼底照片。

Q

您认为未来AI眼底检测技术的潜在应用场景有哪些？在预测心血管疾病风险方面，是否需要与现有工具或方法相结合、综合应用？ 

由于眼底照片采集无创、快速、便捷，所以应用场景将非常广泛，包括医院眼科、心内科、神经内科、老年科门诊，体检中心，社区卫生服务中心等。
在预测心血管疾病风险方面，我们的目标是替代现有传统工具和方法，无需结合。

Q

很多因素可以影响心脑血管病风险，比如饮食习惯和遗传等，这款AI算法中有无考虑其它因素？未来会进一步迭代这款工具吗？ 

饮食习惯和遗传因素等都是ICVD发病的上游因素。理论上，这些因素的作用都会在一定程度上通过眼底血管和组织的变化得以反映。当然，如果未来能收集到大规模相关数据，或许有助于完善这款工具。AI的优势就是能够不断自我学习，自我升级完善。

Q

为了推进这款AI工具的落地应用，研究团队将进一步开展哪些工作？

我们这款AI工具预期开发目标是成为一款获批注册的眼底图像识别辅助软件。目前，尚在试用阶段，需要在更大规模前瞻性队列研究中去验证本工具对10年ICVD发病风险预测的精准度。

研究成果介绍

ICVD包括缺血性脑卒中与缺血性心脏病，是中国的首要死因。适当的风险筛查方法有助于启动有效干预措施。传统风险预测模型需要化验多个指标，且需要收集多项信息，计算过程繁琐。视网膜与大脑结构紧密相连，其特征与ICVD的多个危险因素如高血压、糖尿病、动脉硬化等密切关联，因此具有预测ICVD的潜在价值。近年来，眼底照相技术和AI技术的发展，使得开发一款通过眼底图像预测ICVD风险的AI工具成为可能。

研究团队基于40万中国人的体检数据，开发了一种使用卷积神经网络算法的模型，来评估预测10年ICVD风险。卷积神经网络可以从图像中提取全面的信息。传统ICVD风险评估模型涉及7个参数，包括性别、年龄、收缩压、总胆固醇、体重指数、当前吸烟状况和糖尿病病史，传统模型的预测结果会用来辅助算法开发。

▲研究设计（图片来源：参考资料[1]）

研究团队使用内部数据和独立数据集（北京老化与血管研究[Beijing Research on Ageing and VEssel，BRAVE]）对算法进行验证。

• 其中，用于算法开发的数据集包括390947人，平均41.9岁，男性占53.3%；

• 用于内部验证的数据集来自20571人，平均41.9岁，男性占53.5%；

• 在用于外部独立验证的BRAVE数据库中，1309 人（平均 59.4岁，女性占63.9%）没有ICVD，并且有双眼眼底照片和计算10年ICVD风险的完整数据。

在内部验证中（20571人），该算法估算10年ICVD风险的自然对数的调整R²（决定系数）为0.876，在用于外部验证BRAVE的数据中为0.638。

内部验证数据中有3.8%的受试者、BRAVE中有5.2%受试者，计算的10年ICVD风险≥5%，表明风险为临界或更高。同时，内部验证数据中有2.4%的受试者、BRAVE中有2.1%的受试者，计算的10年ICVD风险≥7.5%，表明风险为中等或更高。

比较AI预测和传统模型计算的结果表明：

• 对于10年ICVD风险≥5%的预测，AI算法的受试者工作特征曲线下面积（AUC）在内部验证数据集中为0.971，在外部验证数据集中为0.859；

• 对于10年ICVD风险≥7.5%的检测，AUC分别为0.976和0.876。

AUC值代表模型在判断“得病”和“没得病”时的准确度，极限为1。也就是说，仅凭视网膜的影像数据，这款AI算法的预测准确度很高。

图片来源：123RF

论文中指出，这项研究结果与近期海外研究结果一致，使用眼底照片的卷积神经网络可以区分正常衰老和血管病理变化。视网膜的微血管特征，如小静脉扩张和小动脉狭窄，与心血管疾病风险增加相关，这款基于眼底照片的人工智能算法模型，可估算个体未来10年发生缺血性心脑血管病风险。

而且，相比传统模型，双眼眼底照相是一种非侵入性检查，可以由非专业人员操作，只需几个小时的培训，就可以在一分钟内完成眼底照片拍摄，而且成本低廉。

长期来看，研究团队希望能够将该算法推广到基层卫生保健机构，作为常规风险筛查工具，以改善中国人群的心脑血管疾病预防。

专家介绍

武阳丰 教授教授，博士生导师。
现任北京大学临床研究所常务副所长，悉尼大学医学院荣誉教授。
先后主持中国国家科技攻关计划、科技支撑计划、重点研发计划、国家自然科学基金、美国NIH科学基金、澳大利亚NHMRC科学基金、英国MRC科学基金等数十项科研课题。
主持开发了中国人群10年心血管病发病风险预测模型和《基层高血压防治实用规范》，并参与心血管病领域多个防治指南的起草和制定，发表论文300余篇。

解武祥 博士

博士，研究员，博士生导师。

北京大学公共卫生学院获预防医学本科和流行病与卫生统计学博士学位。曾在北京安贞医院从事心血管疾病临床研究工作。英国帝国理工学院流行病与生物统计学博士后、受资助研究员、英国医学科学院牛顿国际学者。2017年10月进入北京大学临床研究所工作。

长期从事心脑疾病的临床研究工作，并在本领域，作为第一或通讯作者共发表学术论文32篇，其中SCI收录27篇。现担任多本期刊编委。中华预防医学会健康风险评估与控制专业委员会委员兼秘书、中国优生优育协会母婴心血管结构与代谢专业委员会委员、中国非公立医疗机构协会慢性病管理分会委员、北京医学会临床流行病和循证医学分会青年委员等。

参考资料

[1] Yanjun Ma, et al., (2021). Deep learning algorithm using fundus photographs for 10-year risk assessment of ischemic cardiovascular diseases in china. Science Bulletin, DOI: https://doi.org/10.1016/j.scib.2021.08.016

免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。

版权说明：本文来自药明康德内容团队，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「医学新视点」微信公众号留言联系。

如有其他合作需求，请联系[e-mail]

分享，点赞，在看，传递医学新知