北京協和醫院研發AI系統破解眼底篩查難題

　　日前，記者從北京協和醫院獲悉，該院眼科主任醫師陳有信領銜相關研究團隊成功開發了基于超廣角眼底影像（UWF）與深度學習技術的WARM人工智能系統，該系統可精準識別25種眼底疾病并智能生成轉診建議，為眼底病篩查與分級診療體系提供了新路徑。相關研究發表于Cell Reports Medicine。

　　“眼底不僅是洞察視覺健康的窗口，更是窺探全身健康狀態的獨特橋梁。”陳有信表示，眼底病變導致的不可逆性視力損傷已成為全球致盲的主要原因。特別是隨著人口老齡化加劇與疾病譜系復雜化，視網膜專科醫師的人力資源短缺與地域分布不均問題日益凸顯，嚴重制約了眼底疾病“早篩-早診-早治”防控策略的實施效能。

　　傳統眼底相機僅能捕獲約15%的視網膜區域，存在顯著的周邊病變漏診風險。超廣角成像技術可拍攝更廣的視網膜區域，可覆蓋約82%視網膜面積。研究團隊應用的超廣角成像技術，為AI模型訓練提供更為理想的數據基礎。

　　為此，陳有信團隊聯合全國26家三級醫療機構，構建了包含約6萬張UWF圖像的超大規模高質量數據集，基于Swin Transformer架構與原創性跨域協同學習算法，開發出全景式病變識別（WARM）、基準模型對照（BASE）和區域性能對比（WARM-PPR）三大深度學習模型。

　　陳有信表示，該模型可精準識別正常眼底及糖尿病視網膜病變、視網膜脫離等25類眼底疾病。并基于病變特征智能生成分級轉診建議，模擬臨床篩查決策流程。值得注意的是，WARM模型對周邊及彌漫性病變的識別效能顯著優于區域限定型WARM-PPR，彰顯了全視野成像對全面眼底篩查的臨床必要性。

　　隨后，在嚴格的多中心驗證中，WARM展現出良好的篩查效能。與初級眼科醫師對比實驗還揭示出，醫師人工閱片雖具高特異度（0.982），但靈敏度僅為0.583;而WARM模型則實現了靈敏度0.882與特異度0.846的良好平衡。特別是在微小病灶識別與復雜病變判斷方面，WARM模型具有明顯優勢，高度契合眼底病的篩查原則。

　　陳有信表示，該研究通過全國多中心真實世界數據驗證，構建了可規模化推廣的AI輔助篩查體系。未來通過整合移動篩查車與5G遠程診療平臺，WARM系統將有效解決偏遠地區醫療資源匱乏難題，推動實現“篩查-診斷-干預”全鏈條優化，為《“十四五”全國眼健康規劃》目標達成提供核心技術支撐。