医学院最新成果
视网膜影像提供了一种非侵入且易于获得的方法，用于直接观察人体的血管和神经纤维结构。近年来，越来越多的研究聚焦于视网膜内复杂的微血管网络与神经回路，探讨其与其他全身血管及神经系统之间的相互作用，并分析视网膜生物标志物与多种全身性疾病之间的潜在联系。
论文网站截图
近日，医学院黄天荫教授团队在《治疗诊断学》（Theranostics）（IF=12.4）上发表了题为“人工智能增强型视网膜成像作为全身性疾病的生物标志物”（Artificial intelligence-enhanced retinal imaging as a biomarker for systemic diseases）的综述文章。
该文章系统地总结了人工智能（AI）增强下的视网膜成像技术在预测全身性疾病方面的关键研究成果，并讨论了该领域的最新进展、发展机遇和挑战。文章不仅全面回顾了目前最前沿的技术，还强调了这些突破对医疗保健领域的变革性影响，展现了AI在精准医学和疾病早期筛查中的广阔应用前景。
随着AI快速发展，尤其是深度学习算法的应用，视网膜影像分析已在检测心血管疾病、中枢神经系统疾病、慢性肾脏疾病、代谢性疾病、内分泌紊乱以及肝胆疾病等方面展现出显著优势。结合数字彩色眼底照片、光学相干断层扫描（OCT）、OCT血流成像（OCTA），以及超广角眼底成像（UWF）等技术，基于人工智能的视网膜成像在预测全身性疾病方面具有广阔前景。这为系统性疾病的筛查、早期诊断、风险分层及个性化健康管理提供了重要机遇。
视网膜的多种影像，通过血管和神经的特征，关联全身系统性疾病
然而，随着AI和大数据技术的不断进步，尽管其在医疗保健领域展现出巨大潜力，但也面临着数据质量、技术局限性以及伦理合规等方面的诸多挑战。此外，自然语言处理框架、大语言模型及其他生成式AI技术的应用，既带来了新的发展机遇，也提出了需要深入探讨的问题。本综述为研究人员和临床医生提供宝贵的参考资料，指导未来研究方向，并促进AI技术在临床实践中的有效整合。
人工智能辅助下的视网膜影像预测全身性疾病
研究团队介绍
本文通讯作者为清华大学副教务长、医学院院长黄天荫。第一作者为清华大学临床医学院博士后王锦园博士。此外，本文致谢北京市视觉科学与转化医学研究中心王亚星教授、临床医学院博士后曾典博士、澳大利亚墨尔本大学朱卓婷教授、北京大学李大为教授、北京航空航天大学刘育辰博士、上海交通大学盛斌教授、波兰瓦尔米亚玛祖里大学Andrzej Grzybowski教授对本文的支持、指导与贡献。
参考文献
Wang J, Wang YX, Zeng D, Zhu Z, Li D, Liu Y, Sheng B, Grzybowski A, Wong TY. Artificial intelligence-enhanced retinal imaging as a biomarker for systemic diseases. Theranostics 2025; 15(8):3223-3233. doi:10.7150/thno.100786.
点击阅读原文查看原文
声明：本文仅供医疗卫生专业人士学术交流，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本平台及作者不承担相关责任。
浙公网安备33011002015279
本网站未发布麻醉药品、精神药品、医疗用毒性药品、放射性药品、戒毒药品和医疗机构制剂的产品信息
收藏
登录后参与评论
暂无评论