《自然》：AI又一飞跃！从眼睛里看出帕金森病风险，还能诊断多种眼部疾病

我们常说，眼睛是我们看向世界的窗口。但鲜为人知的是，与此同时，我们的眼睛也可以成为外界洞悉我们健康状况的窗口。

记录人体健康状态的，是位于眼球后壁部的视网膜。视网膜的特殊之处在于， 它是人体中唯一可以直接观察到毛细血管网络的结构。 一旦我们患上系统性的心血管疾病（例如高血压），体内的每一根血管都有可能会受到影响，与病理相关的改变因此可以体现在视网膜的毛细血管网络中。此外，作为中枢神经系统的延伸，视网膜还包含了神经组织的信息， 为非入侵地观察神经系统提供了可能。

了解眼睛与身体的关联，对于应对复杂疾病以及衰老相关问题有着重要意义。但对于肉眼来说，这些错综复杂的网络如同一团乱麻，我们根本无法从中读出有效的健康信息。好在，人工智能（AI）的发展提供了机遇。

图片来源：123RF

在一项发表于《自然》的最新研究中，来自伦敦大学学院和Moorfields眼科医院的科学家 开发了一款名为RETFound的AI视网膜基础模型，可以基于人们的视网膜图像，诊断威胁视力的眼部疾病，并且有望用于预测心血管疾病、帕金森病等多种系统性疾病的风险。 伦敦大学学院和Moorfields眼科医院的周玉昆为论文第一作者兼共同通讯作者。

在这项研究之前，已经有通过视网膜图像检测疾病的AI工具出现。但这类传统的AI模型最大的问题在于，其 往往需要大量带有高质量标签的图像用于训练 ，标签的添加需要巨大的专业医生工作量，以及高昂的费用。

相比之下，最新的RETFound工具采用了 自监督学习 的策略进行开发。研究团队使用了一种类似于训练ChatGPT等大语言模型的方法，利用大量未标记的视网膜图像，学习如何预测图像缺失的部分。最新研究的两个基础模型RETFound模型分别用于彩色眼底摄影以及光学相干断层扫描。这类基础模型的特点是， 经过大量未标记数据的训练后，能够通过微调以适应一系列后续的检测与预测任务 ，具有可适应无限应用场景的潜力。

▲RETFound模型训练示意图（图片来源：参考资料[1]）

RETFound仅仅使用低至10%的人类标签，就能够匹配其他AI系统的性能，实现了效率的巨大提升。随后的测试也验证了 RETFound在糖尿病性视网膜病变和青光眼等眼部疾病诊断中的良好效果。 其中，在检测糖尿病性视网膜病变时，根据使用的数据集不同，评分在0.822和0.943之间（0.5分表示不优于随机预测；1分表示每次都能作出准确判断的完美模型）。

此外，研究还展示了利用RETFound预测更多系统性疾病的潜力。作者首先用160万张未标记的视网膜图像，对RETFound进行了预训练。随后，只使用少量图像，例如100位帕金森病患者的视网膜图像与100位未患病人群的视网膜图像，模型就能学习视网膜上与帕金森病相关的特征。基于这一策略， RETFound在预测心衰、心肌梗塞、中风和帕金森病等系统性疾病时，表现出了优于其他AI模型的性能。

▲RETFound在检测与预测不同疾病时的定量结果（图片来源：参考资料[1]）

领导这项研究的Pearse Keane教授表示，该研究展示了RETFound的几种应用场景案例，但它还有可能经过进一步开发，应用于数百种我们尚未探索的，会威胁视力的眼部疾病。

目前，该模型已经开源（https://github.com/rmaphoh/RETFound_MAE）。研究团队希望，更多研究者能够通过对RETFound的训练与微调，将其应用于更广泛的应用场景。同时，研究团队正在展望，开发RETFound的技术能否推广至更复杂的医学图像，例如磁共振图像或计算机断层扫描，从而为更多疾病提供诊断或预测的工具。

参考文献

[1] Zhou, Y., Chia, M.A., Wagner, S.K. et al. A foundation model for generalizable disease detection from retinal images. Nature (2023). https://doi.org/10.1038/s41586-023-06555-x

[2] AI detects eye disease and risk of Parkinson’s from retinal images. Retrieved September 14, 2023 from https://www.nature.com/articles/d41586-023-02881-2

[3] World-first AI foundation model for eye care to supercharge global efforts to prevent blindness. Retrieved September 14, 2023 from https://www.eurekalert.org/news-releases/1001425