北京协和医院开发人工智能系统，解决眼底筛查问题

日前，记者从北京协和医院获悉，医院眼科主任医生陈有信带领相关研究团队成功开发出基于超广角眼底图像的研究团队(UWF)WARM人工智能系统具有深度学习技术，能够准确识别25种眼底疾病，智能生成转诊建议，为眼底疾病筛查和分级诊疗系统提供了新的途径。相关研究发表在Cell上 Reports Medicine。

“眼底不仅是洞察视觉健康的窗口，也是窥探全身健康状况的独特桥梁。”陈有信说，眼底病变引起的不可逆视力损伤已成为全球失明的主要原因。特别是随着人口老龄化的加剧和疾病谱系的复杂化，视网膜专家人力资源短缺和区域分布不均的问题日益突出，严重制约了“早筛、早诊、早治”防治策略的实施效率。

传统的眼底相机只能捕捉约15%的视网膜区域，存在明显的周围病变误诊风险。超广角成像技术可以拍摄更广泛的视网膜区域，覆盖约82%的视网膜区域。研究团队使用的超广角成像技术为人工智能模型培训提供了更理想的数据基础。

因此，陈有信团队与全国26家三级医疗机构合作，构建了大约6万张UWF图像的大规模高质量数据，基于Swin Transformer架构与原创跨域协同学习算法，研制出全景病变识别(WARM)、基准模型比较(BASE)与区域性能进行比较(WARM-PPR)三种深度学习模式。

陈友新表示，该模型可准确识别25种眼底疾病，如正常眼底和糖尿病视网膜病变和视网膜脱离。并根据病变特点智能生成分级转诊建议，模拟临床筛查决策过程。值得注意的是，WARM模型对周围和弥漫性病变的识别效率明显优于区域限制性WARM-PPR，显示了全视线显像对全面眼底筛查的临床重要性。

随后，在严格的多中心验证中，WARM显示出良好的筛查效果。与初级眼科医生相比，实验还显示，虽然医生的人工阅读具有很高的特异性(0.982)，但灵敏度仅为0.583;WARM模型完成了灵敏度0.882和特异性0.846之间的良好平衡。特别是在细微疾病识别和复杂病变判断方面，WARM模型具有明显的优势，高度符合眼底疾病的筛查原则。

陈友新表示，该研究通过国家多中心现实世界数据验证，构建了大规模推广的人工智能协助筛查系统。未来，通过整合移动筛查车和5G远程诊疗平台，WARM系统将有效解决偏远地区医疗资源短缺问题，促进“筛查诊断干预”全链的实现，为“十四五”国家眼部健康计划的目标提供核心技术支持。