《自然生物医学工程》：AI 新利器助力眼科医生极速诊断视网膜病变

华盛顿大学医学院的科研团队研发出一套实验性人工智能系统，专门用于解析眼睛视网膜的三维图像以辅助疾病诊断。每一幅视网膜的 3D 影像实际上是由数百个二维切片组合而成的。

这种非侵入式的眼部扫描技术让医生能够以三维视角深入观察眼球表面之下的构造，且全程不会给患者带来任何不适或痛感。目前，该扫描技术已在全球各地的诊所中普及，它能生成眼球内部各层结构的精细图像，协助诊断那些可能威胁视力的病症。然而，极高的精度也伴随着海量数据的产生——单次扫描便会生成数百张图像，医生必须人工逐一审核，这不仅耗时费力，还容易引发人为失误。

现阶段，圣路易斯华盛顿大学医学院的研究人员携手西雅图华盛顿大学及基因泰克公司的同行，共同开发出一款实验性人工智能（AI）系统，旨在加速扫描结果的解读进程，协助医生更早地捕捉眼部疾病的微小征兆。这项被称为 OCTCube-M 的技术集成了三个 AI 模型，专为读取和解析眼部视网膜的 3D 图像及其他各类眼部扫描图而设计。

在一项最新研究中，学者们发现，相较于旧有模型，这套新的人工智能系统能更精准地识别八种不同的视网膜疾病，其中包括年龄相关性黄斑变性——这是一种常见的视网膜损伤病症，也是 50 岁以上人群致盲的首要因素。此外，该系统在预测一种名为地图状萎缩的严重黄斑变性疾病的恶化速度方面，表现也更为准确。

描述该技术处于研究阶段的成果近期已刊登在《自然生物医学工程》期刊上。

“当前的眼部扫描技术为医师提供了前所未有、极度精细的眼内图像，揭示了过往难以察觉的结构与细微变化，”该研究的共同通讯作者、华盛顿大学圣路易斯分校医学中心眼科与视觉科学系主任兼亚瑟·W·斯蒂克尔杰出教授亚伦·李医学博士指出，“但我们依然缺乏协助医生处理海量图像的工具。我们的人工智能系统有望帮助医师更迅速地做出诊断，更精确地制定治疗策略，并设计临床试验，从而让新疗法更快地惠及患者。”

此外，该研究还表明，该模型不仅能预判眼部健康风险，还能推断其他全身性健康隐患，仅凭视网膜成像即可预测心脏病发作、中风及肾衰竭等疾病。视网膜中的微血管在解剖结构与发育过程上与肾脏血管高度相似，导致心脏和大脑供血血管壁内斑块堆积的过程同样会在眼部留下痕迹。

“这种模式有望将常规的眼科检查转化为一种强有力的工具，用于检测眼部之外的疾病。它为疾病的早期发现、病情的精准监测以及为那些可能直至病情晚期才得以确诊的患者提供更佳疗效开启了大门。”

在海量数据中寻觅诊断线索

据世界卫生组织数据显示，全球至少有 22 亿人受视力障碍困扰。光学相干断层扫描（OCT）成像技术彻底革新了视力障碍的诊断与治疗模式。它仅需一次快速扫描，便能生成数百张横截面图像，这些图像共同构建出视网膜与视神经的详细三维图谱。OCT 能够及早捕捉多种眼部疾病的初期迹象，例如青光眼、黄斑变性及糖尿病视网膜病变等。

与此同时，人工智能已成为处理大型医疗数据集的强力工具，李教授及其同事在该领域贡献卓著。数年前，他们在《自然》杂志上发表了研究成果，阐述了一种在诊断二维视网膜图像中的眼部疾病方面优于旧模型的算法。

鉴于该模型是基于二维断层扫描图像训练而成，研究人员试图探究引入三维断层扫描图像是否能进一步提升疾病的诊断与预后能力。由于疾病通常会在视网膜中央凹（视网膜中心的一个微小凹陷，负责阅读文字和识别人脸所需的清晰、精细视觉）周围呈三维扩散，他们推测利用三维图像训练模型能提供更全面、更准确的组织视图。为此，研究团队使用了超过 26,000 张三维光学相干断层扫描图像（涵盖 162 万个独立的视网膜切片，即视网膜的横截面图像）来训练 OCTCube-M 模型。

与基于二维图像训练的模型相比，OCTCube-M 在识别八种视网膜疾病中的六种时，准确率提升了约 4 至 6 个百分点。这意味着该工具在每 1000 名眼病患者中能额外检出 43 至 60 例病例。这一结论适用于源自多个临床中心、采用不同成像方式以及不同患者群体的扫描数据。

该模型所识别的八种疾病涵盖了主要影响眼后部（包括视网膜和视神经）的严重病症。这些疾病是导致视力丧失的主因，并且与其他疾患（如糖尿病、高血压及心血管疾病）密切相关。

研究团队成员包括华盛顿大学医学院眼科和视觉科学简·哈迪斯蒂·普尔杰出教授李塞西莉亚医学博士、华盛顿大学保罗·G·艾伦计算机科学与工程学院助理教授王晟博士，以及旧金山生物技术公司基因泰克的高级人工智能科学家张淼博士。随后，他们通过引入来自另外两种眼部成像技术（红外视网膜成像和眼底自发荧光成像）的数据，对 3D 模型进行了优化调整。

亚伦·李解释道，通过将光学相干断层扫描与其他一种或两种成像方式相结合，人工智能模型能够构建更完整的眼部图像，并更深入地洞察眼内发生的状况。事实上，基于所有三种成像方式训练的模型在预测严重黄斑变性——地图状萎缩的增长率方面表现卓越，其预测能力比目前仅基于视网膜眼底自发荧光图像训练的最先进模型平均高出近 50%。

地图状萎缩症影响着全球约 500 万人口，目前有效的治疗手段屈指可数。李教授及其同事开发的工具能够提供病情进展速度的信息，从而有效地检测并分期疾病阶段，研究人员可利用这些信息设计更完善的临床试验，以评估潜在的治疗方案。

“通过更精准地预测疾病恶化的速率，我们可以开展规模更小、效率更高的研究。这有助于降低成本，缩短新疗法的测试周期，减少接受无效治疗的人数，并帮助有效药物更快地造福患者。”

未来，华盛顿大学医学中心的研究人员将利用包含更多患者、更多病种甚至更多类型成像数据的更大规模数据集来训练 OCTCube-M，以持续优化该模型。

参考文献

A 3D multi-modal foundation model for optical coherence tomography.