凭眼部图像预判阿尔茨海默症 AI模型社区筛查准确率达75%

洪恒飞 高晓静 科技日报记者 江耘

眼睛可用于观察多个身体器官健康状况，并反映出不同疾病的早期征兆。

“通过眼科图像采集和图像的智能化分析，团队开发的基于人工智能的筛查模型，对多个社区人群的阿尔茨海默病筛查准确率达75%。”2月6日，中科院宁波材料所智能医学影像（iMED）团队赵一天研究员向科技日报记者介绍道，深入分析和挖掘眼睛结构变化与神经退行性疾病之间的关系，可潜在形成神经退行性疾病的早期检测方案。

眼底结构量化示意图。科研团队供图

神经退行性疾病的发病过程较长，日常很难被注意到，且往往不可逆转，对人体健康有长期影响。现阶段，诊断这类疾病需要借助磁共振成像等检测费用高昂的手段，或者通过认知功能量表、基因检测、脊髓穿刺取脑脊液等方式。相关方法还存在指征模糊、伴有创伤、具有放射性等缺陷，不适用于基层人群的大规模筛查。

iMED团队认为，探索一种兼顾安全性、易操作性、经济性和准确性的神经退行性疾病早期预测或诊断方法具有较强的研究价值和临床意义。

为了探索眼底视网膜结构变化与阿尔茨海默病间的关系，该团队与四川大学华西医院、浙江省人民医院、北京大学第三医院、宁波大学附属人民医院等多家医疗机构合作，收集了大批量的阿尔茨海默病人的眼、脑数据，并将光学相干断层扫描血流成像（OCTA）的眼底图像作为主要分析对象。

iMED团队介绍，光学断层扫描是一种先进的非侵入性成像技术，可呈现出眼底不同深度的结构，包含视网膜和脉络膜，还可以高精度地扫描眼底结构中的血流变化，生成OCTA图像，这对于阿尔茨海默病引起的眼底血管变化的相关研究具有重要意义。

该团队通过自主开发的智能分析算法对阿尔茨海默病人的眼底结构进行自动量化，并将计算出的生物指标与临床数据进行了横断面统计分析。根据统计分析，多种量化指标与阿尔茨海默病的发病具有显著相关性，包括血管密度、血管分形维数、血管弯曲度等。这一结果与临床先验共识相符。

基于此，该团队针对血流成像图像信息，设计了一个先进的AI模型来进行阿尔茨海默病的检测，在仅输入眼科图像到AI模型中后，便可快速判断该受试者是否患有阿尔茨海默病。

此外，该团队还开展了脑卒中和帕金森症等脑部疾病的眼科图像分析和智能诊断模型的建立，结果均发现一些眼部生物指标与发病的统计相关性，为实现多种脑部疾病的快速便携筛查提供了新思路。

据悉，目前该团队正依托多中心开展大规模人群的跟踪调研，旨在通过5—10年的回访调研，收集具有临床研究意义的序列数据，进一步分析眼底结构变化与相关脑疾病发病进程的关系。