眼部相關(guān)全身疾病的人工智能診斷

李金城 綜述 李強(qiáng)，王婧薈，肖薇，賴偉翊，林浩添 審校

(1.中山大學(xué)醫(yī)學(xué)院，廣東 深圳 518107；2.中山大學(xué)中山眼科中心，眼科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，廣東省眼科視覺科學(xué)重點(diǎn)實(shí)驗(yàn)室，廣東省眼部疾病臨床醫(yī)學(xué)研究中心，廣州 510060)

眼睛是心靈的窗戶，是人類認(rèn)識和感知世界的重要器官。我們每天獲得的外部信息中有80%～90%來自于視覺。此外，眼睛也是人體健康的一扇窗，作為體表器官，對眼睛的直觀檢查和影像學(xué)成像檢查是眼部相關(guān)全身疾病診斷最重要的部分。通過直觀鞏膜顏色可以診斷肝臟相關(guān)的病變；通過眼底照片可以觀察相關(guān)的視網(wǎng)膜病變，從而診斷糖尿病、高血壓等眼部相關(guān)全身疾病。因此，及時(shí)有效的眼表及眼底篩查是黃疸、肝硬化、糖尿病、高血壓等眼部相關(guān)全身疾病防治的重點(diǎn)。然而，現(xiàn)有的醫(yī)療資源分布不均，專業(yè)的眼科醫(yī)生數(shù)量有限，無法實(shí)現(xiàn)大規(guī)模人工篩查。人工智能(artificial intelligence，AI)技術(shù)在眼科領(lǐng)域的結(jié)合與應(yīng)用，有望為眼部相關(guān)全身疾病的篩查提供高效、低成本、廣覆蓋的解決方案。

1 AI 概述

AI最早在1956年由Mccarthy團(tuán)隊(duì)提出并定義為“制造智能機(jī)器的科學(xué)”[1]。機(jī)器學(xué)習(xí)(machine learning，ML)是AI的重要組成部分，是一組利用高效算法，經(jīng)過大量的數(shù)據(jù)訓(xùn)練后在給定的數(shù)據(jù)集中獲得數(shù)據(jù)規(guī)律，進(jìn)而對新數(shù)據(jù)進(jìn)行分析預(yù)測的方法[2]。深度學(xué)習(xí)(deep learning，DL)是ML的分支和發(fā)展，是在ML的基礎(chǔ)上構(gòu)建出的多層神經(jīng)網(wǎng)絡(luò)，目前廣泛應(yīng)用于眼底彩照、眼底熒光照影、光學(xué)相干斷層成像(optical coherence tomography，OCT)等眼部圖像的識別。ML包括人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)和卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)等研究模型。其中ANN的算法也已應(yīng)用于包括糖尿病性視網(wǎng)膜病變(diabetic retinopathy，DR)、高血壓性視網(wǎng)膜病變(hypertensive retinopathy，HR)等眼部疾病的診斷與篩查中[3]。目前，AI在眼科領(lǐng)域已實(shí)現(xiàn)廣泛運(yùn)用和發(fā)展，其相關(guān)疾病的診斷準(zhǔn)確率接近甚至高于人工診斷[4]，為實(shí)現(xiàn)眼部相關(guān)全身疾病的早診早治提供了可能。

2 眼部相關(guān)全身疾病及其AI 診斷

2.1 黃疸

2.1.1 發(fā)生機(jī)制

臨床上將黃疸分為生理性黃疸和病理性黃疸2類。生理性黃疸多見于新生兒，其主要是膽紅素相對過多，機(jī)體排泄能力不足造成的；而病理性黃疸主要分為溶血性黃疸、肝細(xì)胞性黃疸、膽汁淤積性黃疸和先天性非溶血性黃疸4大類[5]。其中，溶血性黃疸是由于紅細(xì)胞破壞過多，血紅蛋白大量分解導(dǎo)致血液游離膽紅素水平升高；肝細(xì)胞性黃疸是由于肝細(xì)胞代謝膽紅素的能力下降；膽汁淤積黃疸是膽汁排泄障礙造成膽紅素淤積；先天性非溶血性黃疸主要是因?yàn)闄C(jī)體膽紅素葡糖醛酸轉(zhuǎn)移酶缺陷，引起肝細(xì)胞膽紅素代謝障礙，導(dǎo)致血液膽紅素水平升高而引起黃疸。

2.1.2 通過鞏膜黃染進(jìn)行黃疸分級的思路

正常人血清總膽紅素(total bilirubin，TBil)小于1 mg/dL，臨床上統(tǒng)一的黃疸指標(biāo)是TBil水平大于3 mg/dL[6]。血清中的高水平膽紅素與鞏膜中的彈性蛋白有較高親和力，因此在黃疸發(fā)生早期會(huì)出現(xiàn)鞏膜黃染。鞏膜不受其他色素的干擾，所以鞏膜出現(xiàn)的黃染較皮膚等其他部位更易發(fā)現(xiàn)。因此，通過收集鞏膜圖像，根據(jù)相關(guān)鞏膜色度評估指標(biāo)對血清TBil水平進(jìn)行預(yù)測，是通過鞏膜黃染進(jìn)行黃疸分級的基本思路。在實(shí)際應(yīng)用中還應(yīng)注意鑒別其他生理因素引起的鞏膜黃染，如球結(jié)膜下的脂肪堆積引起的眼睛局部發(fā)黃，藥物蓄積導(dǎo)致鞏膜黃染等。

2.1.3 AI 在黃疸診斷的應(yīng)用

臨床上通過觀察患者黃疸(黃色)皮膚在全身的擴(kuò)散范圍來直觀評估黃疸的嚴(yán)重程度。然而，Riskin等[7]通過臨床研究發(fā)現(xiàn)：用視覺直觀評估新生兒是否患有高膽紅素血癥是不可靠的。特別是TBil水平處于高風(fēng)險(xiǎn)區(qū)的嬰兒，很可能會(huì)被誤診為低風(fēng)險(xiǎn)。因此，為了彌補(bǔ)視覺評估黃疸的不足，許多研究者應(yīng)用AI來實(shí)現(xiàn)黃疸診斷分級的智能化和精確化。Leung等[8]首先引入“眼部黃疸顏色”(Jaundice Eye Color Index，JECI)指標(biāo)來實(shí)現(xiàn)鞏膜色度的量化。如JECI=0對應(yīng)白色鞏膜，JECI=0.1對應(yīng)高度發(fā)黃的鞏膜。這一研究為優(yōu)化鞏膜色度評估黃疸嚴(yán)重程度的AI模型奠定了基礎(chǔ)。此外，Outlaw等[9]基于智能手機(jī)數(shù)據(jù)處理和色度校準(zhǔn)系統(tǒng)的相關(guān)研究[10-15]，開發(fā)出一種AI輔助診斷黃疸系統(tǒng)，該系統(tǒng)可以直接利用智能手機(jī)攝像頭采集鞏膜圖片來實(shí)現(xiàn)黃疸的初診與分級。

2.2 肝硬化

2.2.1 肝硬化發(fā)生機(jī)制

肝硬化的病理特征主要包括肝細(xì)胞的變性和壞死，肝實(shí)質(zhì)纖維化和肝功能喪失[16]。其發(fā)生機(jī)制是由于肝慢性損傷刺激細(xì)胞因子釋放，促進(jìn)肝星狀細(xì)胞(hepatic stellate cell，HSC)從靜止態(tài)變?yōu)榧せ顟B(tài)，導(dǎo)致HSC增殖、遷移，并轉(zhuǎn)化為成纖維細(xì)胞，從而產(chǎn)生大量膠原和其他細(xì)胞外基質(zhì)(extracellular matrix，ECM)，最終導(dǎo)致肝纖維化[17]。膠原纖維不斷在肝內(nèi)沉積，導(dǎo)致肝失去原有功能，發(fā)展為肝硬化。

2.2.2 通過眼球后動(dòng)脈血流動(dòng)力學(xué)變化評估肝功能的原理

在肝硬化的早期，激活大量的細(xì)胞因子釋放，促進(jìn)肝細(xì)胞的誘導(dǎo)型一氧化氮合酶(inducible nitric oxide synthase，iNOS)激活，從而合成大量一氧化氮(nitric oxide，NO)[18]。NO可以舒張血管平滑肌，并在肝硬化早期通過舒張眼球后動(dòng)脈等外周循環(huán)小動(dòng)脈來改善肝微循環(huán)，從而引起眼球后動(dòng)脈的阻力指數(shù)(resistance index，RI)減小，收縮期峰值流速(peak systolic velocity，PSV)增加。在肝硬化晚期，由于血流大部分淤積在內(nèi)臟血管床，外周循環(huán)血量明顯降低，導(dǎo)致腎血管痙攣，腎動(dòng)脈血流量減少，從而引起腎素-血管緊張素系統(tǒng)激活[19]。血管緊張素可以直接或間接使外周血管收縮；同時(shí)腎產(chǎn)生大量內(nèi)皮素(endothelin，ET)并釋放入血，進(jìn)一步收縮外周血管[20]。因此，上述改變會(huì)拮抗NO舒張血管的作用，引起眼球后動(dòng)脈RI升高。

在相關(guān)臨床研究中，閆國珍等[21]分別測量32例正常成人、102 例乙肝后肝硬化患者的肝動(dòng)脈(hepatic artery，HA)、眼動(dòng)脈(ophthalmic artery，OA)、睫狀體后短動(dòng)脈(posterior ciliary artery，PCA)、視網(wǎng)膜中央動(dòng)脈(central retinal artery，CRA)的PSV和RI，發(fā)現(xiàn)肝硬化時(shí)眼球后動(dòng)脈血流動(dòng)力學(xué)變化程度與HA高度一致，且隨肝功能損害程度的加重而明顯。魯虹霞等[22]通過測定乙型肝炎和乙肝肝硬化患者的OA和CRA的血流動(dòng)力學(xué)變化情況，發(fā)現(xiàn)眼球后動(dòng)脈血流動(dòng)力學(xué)變化與肝功能損害程度密切相關(guān)，同時(shí)CRA的RI是估測肝功能損害程度較敏感、有效的指標(biāo)。因此，上述研究均指出RI是評估肝硬化進(jìn)展的重要指標(biāo)，并驗(yàn)證了檢測眼球后動(dòng)脈血流動(dòng)力學(xué)改變評估肝硬化進(jìn)展的可行性。

2.2.3 AI 在肝硬化診斷的應(yīng)用

相較于血管造影壓力測量[23]和食管內(nèi)窺鏡檢查[24]，彩色超聲多普勒具有無創(chuàng)、易耐受、可重復(fù)檢查的特點(diǎn)，且分辨率高、成像清晰、操作簡單，能夠描述血流分布、血流速度、血流方向等動(dòng)力學(xué)指標(biāo)[25]，故更適用于肝硬化的診斷評估。而應(yīng)用AI對彩色多普勒超聲的結(jié)果進(jìn)行分析可提高肝硬化診斷的準(zhǔn)確性，通過將超聲收集到的動(dòng)脈壓力波形、血流速度波形和血管直徑數(shù)據(jù)導(dǎo)入到經(jīng)過血流動(dòng)力學(xué)分析模型訓(xùn)練的AI系統(tǒng)中，從而自動(dòng)輸出相關(guān)血流動(dòng)力學(xué)分析的結(jié)果，從而實(shí)現(xiàn)肝硬化的智能化診斷[26]。

此外，還可利用眼底圖通過DL來篩查和識別肝膽疾病，Xiao等[27]使用裂隙燈、眼底圖來開發(fā)DL模型，對肝硬化、肝癌及其他肝臟疾病進(jìn)行預(yù)測，提示除了鞏膜之外，還有虹膜和眼底等眼部結(jié)構(gòu)可以用于肝膽疾病的預(yù)測。

2.3 糖尿病

2.3.1 糖尿病發(fā)生的機(jī)制

隨著人們生活水平的進(jìn)步，長期高糖、高脂、高蛋白飲食，將很大程度上升高血清中血糖，血脂和血氨基酸水平，從而刺激胰島β細(xì)胞分泌大量胰島素，發(fā)揮降血糖作用。長期胰島素水平升高會(huì)導(dǎo)致胰島素受體下調(diào)，從而產(chǎn)生胰島素抵抗，造成胰島素相對不足，導(dǎo)致2型糖尿病[28]。此外，由人類白細(xì)胞抗原(human leukocyte antigen，HLA)多態(tài)性導(dǎo)致的自身免疫性疾病也可能攻擊胰島β細(xì)胞，造成胰島素絕對不足，產(chǎn)生1型糖尿病。

2.3.2 通過眼底圖對糖尿病進(jìn)行檢測的原理

糖尿病會(huì)對眼部的結(jié)構(gòu)造成損傷。一項(xiàng)動(dòng)物研究[29]顯示：在糖尿病模型的大鼠體內(nèi)靜脈注射葡萄糖后會(huì)顯著增加視網(wǎng)膜的酸性，而在對照組大鼠中靜脈注射葡萄糖后，對視網(wǎng)膜酸度的影響并不明顯。其機(jī)制為糖尿病大鼠血糖升高，同時(shí)葡萄糖有氧氧化障礙，視網(wǎng)膜糖酵解增強(qiáng)，從而導(dǎo)致酸性物質(zhì)累積，視網(wǎng)膜酸度增加。另一項(xiàng)研究[30]顯示：糖尿病大鼠在早期(1～3個(gè)月)即出現(xiàn)視網(wǎng)膜酸中毒。因此，糖尿病引起的視網(wǎng)膜酸中毒是糖尿病損傷視網(wǎng)膜的機(jī)制之一。

在眼底圖中可以檢查視盤、黃斑、視網(wǎng)膜及脈絡(luò)膜的病變。糖尿病引起的視網(wǎng)膜病變表現(xiàn)為視網(wǎng)膜出血、滲出，甚至造成視網(wǎng)膜裂孔、剝離，即產(chǎn)生DR；在黃斑處則表現(xiàn)為黃斑出血、滲出，最后瘢痕形成，即黃斑變性，并以黃斑是否病變?yōu)橐罁?jù)進(jìn)行分期。若患者眼底圖檢出DR，我們可以懷疑該患者有糖尿病；而DR往往伴發(fā)了糖尿病腎病，且DR的分期與糖尿病腎病的分期有一定關(guān)系。利用上述關(guān)系，可以通過眼底圖檢查對糖尿病進(jìn)行篩查，并對糖尿病所引起的糖尿病腎病進(jìn)行分級預(yù)測，做出早期干預(yù)。

2.3.3 AI 在診斷糖尿病、糖尿病腎病中的應(yīng)用

DR如出血、微血管瘤和新生毛細(xì)血管可在眼底圖上表現(xiàn)為紅色病灶；而滲出則在眼底圖上表現(xiàn)為亮度改變[31]。因此，可以通過眼底圖的特征性改變來評估視網(wǎng)膜的病變情況，從而預(yù)測糖尿病。使用大量的眼底圖訓(xùn)練AI模型，用于大規(guī)模的糖尿病篩查，是目前AI應(yīng)用于醫(yī)療的一個(gè)方向。尤其是在偏遠(yuǎn)地區(qū)，即使醫(yī)師資源相對匱乏，也可應(yīng)用AI技術(shù)對糖尿病進(jìn)行大規(guī)模篩查。最近一項(xiàng)研究[32]利用DL模型，通過眼底圖及來自臨床的數(shù)據(jù)(年齡、性別、身高、體重、體重系數(shù)、血壓)來識別2型糖尿病。其模型對血糖水平的預(yù)測值與實(shí)測值之間的平均絕對誤差在0.65～1.1 mmol/dL之間。由于DR與糖尿病腎病關(guān)聯(lián)程度較大，所以此模型預(yù)測出的DR分期可能可以用于糖尿病腎病發(fā)展程度的預(yù)測。

除了通過視網(wǎng)膜病變預(yù)測糖尿病進(jìn)展，還可通過直接腎病理活檢評估糖尿病。Pinaki Sarder的團(tuán)隊(duì)開發(fā)了一種算法，使得AI得以利用腎活檢預(yù)測糖尿病腎病的嚴(yán)重程度。該算法在顯微下檢查患者腎活檢的圖像，提取腎小球的信息，并逐一對腎小球進(jìn)行分析，記錄其觀察到的腎小球的一系列特征，并用提前做好的腎小球量化指標(biāo)對活檢的腎小球進(jìn)行評估，從而預(yù)測糖尿病腎病的發(fā)展[33]。

此外，Renalytix AI 公司開發(fā)了一種基于AI的診斷產(chǎn)品KidneyIntel X，其利用ML算法對sTNFR1、sTNFR2和KIM1等血液預(yù)測性生物標(biāo)志物組合進(jìn)行評估，同時(shí)結(jié)合電子健康記錄信息，識別進(jìn)展性腎臟疾病，顯著改善了腎病風(fēng)險(xiǎn)評估、臨床護(hù)理和藥物臨床試驗(yàn)的患者分層[34]。而Chan等[35]開展了基于診斷產(chǎn)品KidneyIntel X的觀測性隊(duì)列研究，得出結(jié)合血漿生物標(biāo)志物和電子健康數(shù)據(jù)的ML模型顯著改善了2型糖尿病患者的腎臟功能進(jìn)行性下降的預(yù)測，其預(yù)測效果優(yōu)于未結(jié)合生物標(biāo)志物的綜合臨床模型。

目前，盡管有些AI DL模型已經(jīng)獲得了FDA的突破性設(shè)備認(rèn)定，其臨床實(shí)驗(yàn)正在密切開展中；但通過AI來預(yù)測糖尿病，及糖尿病腎病的DL模型仍處于研究開發(fā)階段，尚未進(jìn)入臨床應(yīng)用當(dāng)中。

2.4 慢性腎病(CKD)

2.4.1 CKD 的發(fā)病機(jī)制

目前臨床上，大部分原發(fā)性慢性腎病(chronic kidney disease，CKD)的發(fā)病機(jī)制尚未闡明，但根據(jù)腎組織病理活檢的結(jié)果，多數(shù)認(rèn)為是免疫性疾病所引起的慢性腎臟炎癥性病變，累及腎小球，導(dǎo)致腎小球?yàn)V過率(effective glomerular filtration rate，eGFR)進(jìn)行性下降。而繼發(fā)性CKD病因一般是明確的，如繼發(fā)于泌尿系統(tǒng)細(xì)菌感染、原發(fā)性高血壓等。

2.4.2 通過眼底圖診斷CKD 的原理

診斷CKD主要是通過eGFR和腎損傷標(biāo)志物(尿蛋白，尿管型)。另一方面，CKD的患者如果檢查眼底可發(fā)現(xiàn)視神經(jīng)乳頭充血甚至水腫、視網(wǎng)膜水腫、視網(wǎng)膜近黃斑部位呈放射狀條紋，嚴(yán)重者可繼發(fā)視網(wǎng)膜脫離。視網(wǎng)膜淺層或深層出血，棉絮狀滲出物，頑固而有光澤的白色斑點(diǎn)，這種斑點(diǎn)常出現(xiàn)在視網(wǎng)膜深層、視乳頭附近，這種白斑正是慢性腎炎的特征表現(xiàn)。若將眼底圖與對應(yīng)受檢者的eGFR測量值相關(guān)聯(lián)，即可利用眼底圖對CKD進(jìn)行診斷。故和糖尿病腎病的預(yù)測類似，CKD的患者也可通過眼底圖的檢查來預(yù)測是否患有CKD。

2.4.3 AI 在診斷CKD 的應(yīng)用

最近的一項(xiàng)研究[36]中，研究者使用CKD患者的眼底圖像和相應(yīng)的eGFR測量值相關(guān)聯(lián)，將CKD患者嚴(yán)重程度分為輕，中，重3個(gè)階段，使得CKD患者的診斷在AI技術(shù)的輔助下可視化。但由于不僅僅是CKD，包括顱內(nèi)高壓，低蛋白血癥等一系列疾病也可導(dǎo)致相似的眼部改變，所以使用上述依據(jù)預(yù)測CKD時(shí)，其特異性還有待考量。

除眼底圖外，還可以在超聲技術(shù)的基礎(chǔ)上應(yīng)用AI對CKD進(jìn)行診斷。Rashidi等[36]利用AI模型通過腎臟超聲圖像預(yù)測eGFR和CKD狀態(tài)。他們利用超聲圖像測量腎臟長度，并轉(zhuǎn)換為eGFR。利用模型得出的eGFR和利用血清肌酐計(jì)算出來的eGFR相關(guān)聯(lián)，兩者的相關(guān)系數(shù)為0.74。以模型計(jì)算的eGFR＜60 mL/min/1.73 m2認(rèn)定為CKD狀態(tài)，該模型的CKD狀態(tài)判斷準(zhǔn)確率為85.6%[37]。

2.4 高血壓

2.4.1 高血壓的發(fā)病機(jī)制

原發(fā)性高血壓占高血壓疾病的95%，其發(fā)病機(jī)制復(fù)雜，目前尚未對其發(fā)生機(jī)制有確切的解釋。近年來，國內(nèi)外學(xué)者就高血壓的發(fā)生、發(fā)展機(jī)制進(jìn)行了深入研究，發(fā)現(xiàn)其與基因調(diào)控、巨噬細(xì)胞極化、交感神經(jīng)激活、腎損傷、腎素-血管緊張素-醛固酮系統(tǒng)激活、中樞神經(jīng)系統(tǒng)功能失調(diào)等諸多因素相關(guān)[38]。目前，較多研究[39-40]認(rèn)為高血壓是外周小動(dòng)脈壁平滑肌張力升高及其對血管活性物質(zhì)反應(yīng)性增加，導(dǎo)致血管發(fā)生結(jié)構(gòu)性變化而引起外周血管阻力增加所致。繼發(fā)性高血壓占高血壓疾病的5%，發(fā)病機(jī)制較清楚，主要機(jī)制是腎實(shí)質(zhì)疾病、原發(fā)性醛固酮增多癥和腎血管性高血壓[41]。

2.4.2 高血壓對視網(wǎng)膜血管的損害機(jī)制

機(jī)體血壓升高時(shí)，視網(wǎng)膜血管會(huì)通過自身調(diào)節(jié)作用，以增加血管舒縮的張力來維持灌注壓的穩(wěn)定。但長期的收縮可引起血管內(nèi)膜增生和玻璃樣變性，導(dǎo)致血管狹窄、硬化，甚至出現(xiàn)微動(dòng)脈瘤[42]。同時(shí)，視網(wǎng)膜神經(jīng)纖維會(huì)出現(xiàn)不同程度的缺血，從而打破血-視網(wǎng)膜屏障，導(dǎo)致血液、脂質(zhì)的外溢，最終出現(xiàn)視神經(jīng)盤、黃斑水腫和眼壓升高，甚至導(dǎo)致局部視野的缺失?；谏鲜霾±碜兓?，已經(jīng)有人提出了多種HR分級系統(tǒng)，試圖對其嚴(yán)重程度進(jìn)行分類。最著名的可能是1939年發(fā)表的Keith-Wagener-Baker(KWB)系統(tǒng)，而最近提出了一個(gè)簡化的、改進(jìn)的分類系統(tǒng)(Mitchell-Wong，MW)[40]。

2.4.3 通過眼底圖評估高血壓的原理

高血壓不僅能引起動(dòng)脈攣縮，也能造成動(dòng)脈硬化、玻璃樣變、滲出、出血等。然而，無論是動(dòng)脈攣縮，還是其他改變，都可以在眼底圖上呈現(xiàn)出特征性改變，如迂曲的血管、紅色病灶和白色病變等。一項(xiàng)臨床研究[43]發(fā)現(xiàn)高血壓病情為臨界高血壓和輕度高血壓的患者發(fā)生眼底出血的概率較血壓病情為中度、重度的患者低，且隨著血壓升高，眼底出血病變程度也加重，增殖性眼底出血發(fā)生率也升高。

2.4.4 AI 在診斷高血壓中的應(yīng)用

視網(wǎng)膜上的局灶性/均一性小動(dòng)脈狹窄是高血壓微血管損害的標(biāo)志，一般的小動(dòng)脈狹窄可以使用動(dòng)靜脈比率(arteriovenous ratio，AVR)衡量，AVR越小指示著小動(dòng)脈狹窄越嚴(yán)重[44]。為了自動(dòng)化測量小動(dòng)脈狹窄，需要以下3步：1)提取出圖片中眼部血管[45]，2)自動(dòng)區(qū)分動(dòng)脈與靜脈[46]，3)使用AVR評估小動(dòng)脈狹窄[47]。在實(shí)現(xiàn)小動(dòng)脈狹窄自動(dòng)分級后，可以使用KWB或MW兩種高血壓微血管損傷分級方法對高血壓損害程度進(jìn)行分級。另一項(xiàng)研究[48]通過收集高血壓患者的眼底圖和資料，并按KWB眼底分級法進(jìn)行分組，眼底圖的血管變化即對應(yīng)高血壓的分期，從而進(jìn)行相關(guān)性分析。結(jié)果發(fā)現(xiàn)越是重度的高血壓，眼底血管不正常的比例越大，其差異有統(tǒng)計(jì)學(xué)意義。通過評估眼部血管狹窄、硬化、鈣化的程度，在一定程度上可以反映心血管疾病發(fā)生的風(fēng)險(xiǎn)，充分了解眼部血管的情況對于建立眼部心血管病變的篩查普遍適用。

近年來AI在高血壓診斷中的應(yīng)用也得到了實(shí)質(zhì)性的發(fā)展。Airdoc公司通過多醫(yī)院多平臺(tái)合作，建立千萬級別醫(yī)學(xué)圖像數(shù)據(jù)庫，并利用DL技術(shù)對AI模型進(jìn)行訓(xùn)練，開發(fā)出高精度、高效率的高血壓智能診斷系統(tǒng)[49]。此外，Muiesan等[50]開發(fā)的D-Eye系統(tǒng)對急癥高血壓診斷的準(zhǔn)確性及系統(tǒng)操作的簡易性也體現(xiàn)出其巨大的臨床應(yīng)用潛能。

2.5 眼與疾病關(guān)系的總結(jié)

無論是全身性疾病還是器官疾病，都是通過繼發(fā)性因素，途經(jīng)全身而作用于眼部，體現(xiàn)出眼部的病變，如黃疸血清TBil升高，膽紅素結(jié)合于富含彈性蛋白的鞏膜使之出現(xiàn)黃染；肝硬化早期和晚期分別通過NO，腎素-血管緊張素-醛固酮系統(tǒng)使眼部血管舒張、收縮，使其血流動(dòng)力學(xué)發(fā)生改變；糖尿病時(shí)糖基化終產(chǎn)物累積，導(dǎo)致眼部產(chǎn)生氧化應(yīng)激損傷，表現(xiàn)為視網(wǎng)膜血管滲出，黃斑變性；CKD血清蛋白含量下降，而尿素氮，肌酐氮累積，對眼部造成損傷，主要表現(xiàn)為視盤水腫；高血壓外周小動(dòng)脈痙攣，在眼部表現(xiàn)為小動(dòng)脈狹窄；全身性動(dòng)脈粥樣硬化在眼部血管體現(xiàn)出來時(shí)，反映心血管疾病(冠心病)的風(fēng)險(xiǎn)較高。AI通過識別這些眼部改變，并與先前制作好的評估標(biāo)準(zhǔn)進(jìn)行關(guān)聯(lián)，然后使用大量數(shù)據(jù)集訓(xùn)練一個(gè)理想的模型，最后將模型應(yīng)用于全身疾病的眼部篩查，可以提高臨床工作的效率。但有的模型的特異性與敏感性并非都有十分的優(yōu)勢，比如在以眼部血管改變?yōu)橛^察指標(biāo)時(shí)，其敏感性較高，而因?yàn)椴⒎侵挥羞@一個(gè)疾病有血管病變的癥狀，所以其特異性并不高，此時(shí)需要關(guān)聯(lián)更多指標(biāo)來提升模型的特異性。

3 結(jié)語

綜上所述，眼部的許多病變都可反饋機(jī)體器官的病變，AI診斷系統(tǒng)也在眼部相關(guān)全身疾病方面展現(xiàn)出良好的診斷性能。因此，眼科醫(yī)生在臨床中應(yīng)密切關(guān)注患者眼部疾病與身體的關(guān)聯(lián)，并結(jié)合AI診斷系統(tǒng)的相關(guān)分析，以實(shí)現(xiàn)高效、準(zhǔn)確、全面的診斷。目前，AI診斷系統(tǒng)已開始應(yīng)用于臨床篩查DR患者，通過眼部圖片對肝膽疾病進(jìn)行篩查的AI診斷系統(tǒng)也取得了重大進(jìn)展[27]。相信在不久的將來，AI能為更多可防治性眼部相關(guān)全身疾病的患者提供早期診治的醫(yī)療條件，從而改善患者生活質(zhì)量。

AI應(yīng)用于診斷全身疾病方面的優(yōu)勢很多，比如：對于醫(yī)生來說，AI可以輔助診斷與決策，提高診斷能力，減少篩選疾病所需的時(shí)間，提高診療的效率；對于醫(yī)院來說，AI技術(shù)可以幫助醫(yī)院運(yùn)營，并且提高對患者的服務(wù)水平，并且可以實(shí)現(xiàn)醫(yī)療資源的精準(zhǔn)分配；對于患者來說，AI技術(shù)的應(yīng)用可以幫助患者節(jié)省醫(yī)療成本，在為患者提供精準(zhǔn)、權(quán)威、可信的診斷的同時(shí)，改善因醫(yī)患間信息不對稱所帶來的不信任。

但是目前AI的應(yīng)用還具有一定的局限性，比如在患者隱私的問題上，我們還需要更完善的規(guī)則對醫(yī)療數(shù)據(jù)進(jìn)行管理。醫(yī)療數(shù)據(jù)的不典型也會(huì)限制AI的應(yīng)用，醫(yī)療數(shù)據(jù)來源不同，其對應(yīng)的癥狀、分型也會(huì)有所差異，故實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一有機(jī)鏈接和解讀還有一定難度。目前對AI的認(rèn)知仍然處于一個(gè)早期階段，大部分AI的模型都是DL模型，而非有高度自我認(rèn)知能力的AI。而且，從醫(yī)療設(shè)施到家庭常用健康監(jiān)測儀器這一普及化的過程仍然有很長一段路要走。

開放獲取聲明

本文適用于知識共享許可協(xié)議(Creative Commons)，允許第三方用戶按照署名(BY)-非商業(yè)性使用(NC)-禁止演繹(ND)(CC BY-NC-ND)的方式共享，即允許第三方對本刊發(fā)表的文章進(jìn)行復(fù)制、發(fā)行、展覽、表演、放映、廣播或通過信息網(wǎng)絡(luò)向公眾傳播，但在這些過程中必須保留作者署名、僅限于非商業(yè)性目的、不得進(jìn)行演繹創(chuàng)作。詳情請?jiān)L問：https://creativecommons.org/licenses/by-ncnd/4.0/。