前言
心血管疾病、神经系统疾病、糖尿病和慢性肾脏病等系统性疾病的普遍影响给全球社会带来了持续的挑战。据估计，这些疾病导致的全球死亡率高达54.1%，每年死亡人数约为3020万人。系统性疾病的早期识别和干预可以显著改善其预后。然而，当前的诊断流程面临困境，例如阿尔茨海默病，其诊断过程复杂，通常涉及临床评估、神经影像学以及正电子发射断层扫描或脑脊液生物标志物检测的结合。这些诊断方法的高成本和侵入性进一步阻碍了疾病的早期诊断。此外，全身性疾病往往在早期无症状或症状轻微，这进一步增加了早期诊断的难度。因此，需要简单、经济有效和非侵入性的方法来管理（如筛查、诊断和监测）全身性疾病，以降低相关的合并症和死亡率。
针对上述问题，温州医科大学宁波市眼科医院李中文教授团队于2024年11月13日在《Journal of Advanced Research》（中科院一区Top期刊，IF=11.4）发表题为“Transformative applications of oculomics-based AI approaches in the management of systemic diseases: A systematic review”的系统综述论文。
该论文深入探讨人工智能算法在基于经济、便利且非侵入性成像的宏观和微观眼科特征（眼科影像组学）方面进行心脑血管系统、神经系统、内分泌系统、血液系统、消化系统、泌尿系统、免疫系统等全身性疾病管理中的最新进展。分析强调这些方法在预测全身性疾病方面令人鼓舞的准确性。评估了这些人工智能技术对患者和医疗保健提供者的成本效益、安全性和可接受性。此外，人工智能算法还展示了对健康评估指标（如BMI、收缩压、血红蛋白和肌酐水平）的合理预测能力，强调了其在预测和监测全身疾病方面的潜力。基于眼科影像组学的人工智能方法有潜力通过个性化管理来满足全身系统性疾病患者的特定需求，改善获得护理的机会并确保高质量的结果。同时，该论文首次提出了一个用于制定眼-全身健康指数(ocular-systemic health index, OSHI）的框架（图1），以优化基于眼科影像组学的人工智能在增强自我导向健康管理方面的潜力。
图1. 眼-全身健康指数的开发和应用框架
尽管在之前的研究中，人工智能系统在基于眼科影像组学评估全身性疾病方面表现出了良好的性能，但转化为临床实践的相对较少。令人振奋的是，Mediwhale 研发的人工智能软件Reti-CVD，旨在根据视网膜图像对心血管疾病（cardiovascular disease, CVD）进行风险分层，其已被韩国、新加坡、英国、澳大利亚等国家的食品药品监管机构批准为医疗设备，并已被纳入心血管风险管理方案中[1]。Toku研发的用于通过标准视网膜图像进行CVD风险评估的人工智能产品（CLAiR）最近也获得了CE和UKCA证书，使其能够进入欧洲和英国市场[2]。此外，RetiSpec 已在临床上验证AI可以通过视网膜成像预测淀粉样蛋白负荷，从而能够评估个体是否患有阿尔茨海默病[3]。这些成功案例表明，基于眼科影像组学的人工智能方法可以切实有效的帮助医生在现实临床环境中有效管理全身性疾病，增加管理的便利性、可及性及患者的依从性，同时降低相应的成本。
本文转载自：眼播
参考文献
医脉通是专业的在线医生平台，“感知世界医学脉搏，助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品，全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。
本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，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。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。
