上海交大/清华大学合作开发AI模型，通过视网膜照片预测中风风险

来源：生物世界 2025-06-10 09:26

在这项最新研究中，研究团队开发了一种深度学习系统——DeepRETStroke，这是一个专用于表征眼-脑连接的领域特定基础模型。

卒中（Stroke，也叫做中风）是全球范围内导致死亡和长期残疾的主要原因之一。传统的中风风险评估主要依赖于临床风险因素的信息，这些信息大多来自自我报告的数据，比如吸烟史和缺血性中风病史等，但其在准确识别高危人群方面存在不足。之前的研究表明，传统中风风险预测模型的准确性一般（一致性指数仅为 0.58-0.73）。

2025 年 6 月 6 日，清华大学医学院黄天荫教授、上海交通大学盛斌教授、李华婷研究员、贾伟平院士、清华大学自动化系戴琼海院士、首都医科大学附属北京天坛医院王拥军教授等人在 Nature 子刊Nature Biomedical Engineering上发表了题为：A deep learning system for detecting silent brain infarction and predicting stroke risk的研究论文。

该研究开发了一款名为DeepRETStroke的深度学习系统，用于检测无症状死（SBI）和预测中风风险，只需利用视网膜图像，无需进行脑部成像，有助于识别高危人群，从而实施预防策略，以降低未来中风风险。

诸如磁共振成像（MRI）扫描之类的脑部成像技术或许能够检测出亚临床脑疾病的存在与否，将这些脑部成像特征纳入风险评估，可能有助于更地识别出中风高危人群。例如，无症状性（SBI）影响近 20% 的普通人群，表明存在潜在的缺血性脑，并且与未来发生中风的风险增加有关。因此，即使在无症状患者中检测到SBI，也可能使医生能够更精确地对中风风险进行分类，并使患者得到更好的。

美国心脏协会和美国卒中协会的科学声明指出，患有 SBI 的患者应遵循一级预防以预防有症状的中风发作。然而，SBI的识别主要依赖于磁共振成像（MRI）和计算机断层扫描（CT）等脑部成像技术，这在一般性脑中风中不切实际且成本过高。因此，不建议对无症状的一般人群进行磁共振成像（MRI）筛查以检测 SBI。

而这凸显了一个关键临床空白 如何在普通人群中以简便且经济有效的方式检测无症状性脑梗死（SBI），而无需进行脑部影像扫描。

医学成像和深度学习领域的最新进展凸显了视网膜是观察大脑的独特窗口。视网膜血管与脑血管在胚胎学、解剖学和生理学方面具有相似性，为检测和预测早期脑血管变化提供了一种无创替代方法。眼底成像（Retinal photography）作为一种非侵入性的视网膜成像方法，如今在各种临床和社区环境中被广泛用于筛查视网膜病变等眼部疾病，同时也被用于结合深度学习技术检测各种全身性和神经性疾病。

在这项最新研究中，研究团队开发了一种深度学习系统 DeepRETStroke，这是一个专用于表征眼-脑连接的领域特定基础模型。它利用视网膜图像来完成检测无症状性脑梗死（SBI）和预测未来中风事件等下游临床任务，展示了这种基于视网膜图像的系统提升中风风险评估的能力。

在多民族和多国家的数据集中，研究团队分三个阶段进行了研究。首先，利用 DeepRETStroke 从视网膜图像中检测出 SBI；然后，利用从视网膜检测出的 SBI 来改进首次中风风险预测，并对模型进行微调以预测中风复发。最后，研究团队开展了一项真实世界的概念验证研究，以证明 DeepRETStroke 在指导预防中风策略方面的有效性。

首先，研究团队使用了 895640 张视网膜图像对 DeepRETStroke 系统进行预训练。然后，使用来自中国、新加坡、马来西亚、美国、英国和丹麦的多个数据集中的 213762 张视网膜图像对 DeepRETStroke 的下游临床任务进行验证，以检测SBI和预测中风事件，并利用从视网膜图像检测出的 SBI 来改进首次中风风险预测，对模型进行微调以预测中风复发。结果显示，DeepRETStroke 在内部验证数据集中表现良好，预测新发中风的曲线下面积（AUC）为 0.901，预测复发中风的曲线下面积（AUC）为 0.769，外部验证表明其在各种数据集上表现一致。

最后，研究团队进行了一项真实世界的概念验证研究，对包含 218 名中风患者的前瞻性研究中评估了 DeepRETStroke 相较于临床特征在指导中风复发预防策略方面的表现，结果显示，DeepRETStroke 能够对中风风险进行分层，通过适当的综合干预，与中风复发事件减少 82.44% 有关。

总的来说，基于视网膜图像的深度学习系统DeepRETStroke在预测中风事件方面优于临床特征，尤其是通过纳入对无症状性脑梗死（SBI）的检测，且无需进行脑部成像，该系统有助于识别高危人群，从而实施预防策略，以降低未来中风风险。

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻