中国人类表型组计划：视网膜成像与表型提取标准化协议
摘要
视网膜成像在评估眼部及全身健康中具有重要意义，尤其在大规模人群研究中展现出巨大潜力。然而，缺乏标准化和自动化的技术手段来从视网膜图像中提取影像衍生表型（IDPs）一直是主要障碍。为解决这一问题，中国人类表型组项目（CHPP）开发了一套全面的标准化操作程序（SOP），包括质量控制（QC）、预处理以及基于人工智能（AI）的自动化或半自动化IDP提取方法。该协议旨在提高IDP提取的准确性和效率，从而促进大规模人群数据的标准化分析。这项工作不仅为眼科相关学科提供了宝贵见解，还为未来利用视网膜成像数据的研究奠定了基础。
信息来源： PubMed Ophthalmology 发布于 2025年10月1日
要点速览
- 视网膜成像在评估眼部及全身健康中具有重要意义，尤其在大规模人群研究中展现出巨大潜力。
- 中国人类表型组项目（CHPP）开发了一套全面的标准化操作程序（SOP），包括质量控制（QC）、预处理以及基于人工智能（AI）的自动化或半自动化IDP提取方法。
- 该协议旨在提高IDP提取的准确性和效率，从而促进大规模人群数据的标准化分析，并为未来利用视网膜成像数据的研究奠定基础。
本站解读
视网膜成像技术的进步正在重塑眼科行业的格局，尤其是在大数据和人工智能的应用上。中国人类表型组项目的这一举措标志着技术路线的重大变迁，通过引入AI技术，实现了从视网膜图像中高效、准确地提取影像衍生表型。这不仅提升了数据处理的速度和精度，也为后续的大规模人群研究提供了坚实的基础。这种技术进步将显著提升眼科疾病的早期诊断和个性化治疗能力。
在全球范围内，各大眼科研究机构和企业都在积极布局视网膜成像技术的研发管线。国外如美国的谷歌DeepMind和英国的Optos等公司已经在这一领域取得了显著进展。相比之下，中国的研究虽然起步较晚，但凭借庞大的人口基数和丰富的临床数据资源，有望在未来几年内迎头赶上。此次CHPP发布的标准化操作程序，不仅填补了国内在这一领域的空白，也为国际同行提供了可借鉴的经验。
随着技术的不断成熟，行业竞争生态也在悄然变化。传统的眼科设备制造商面临着来自新兴AI企业的挑战，护城河逐渐被侵蚀。对于中国眼科行业而言，如何在这一变革中找到自己的定位，将是未来发展的关键。值得关注的是，后续的研究成果和技术应用能否真正转化为临床实践中的实际效益，以及相关政策法规的跟进情况。
常见问题
这个研究对普通患者有什么好处
这项研究通过标准化和自动化的方法提高了视网膜成像数据的处理效率和准确性，有助于更早发现和诊断眼部疾病，从而提供更好的治疗方案。如有疑虑可咨询眼科医生。
这项技术什么时候能广泛应用
目前这项技术还在研发和完善阶段，具体何时能够广泛应用还需进一步观察。不过，随着技术的不断成熟和政策的支持，预计在未来几年内会有更多的医疗机构采用这一技术。
延伸阅读
视网膜生物标志物在心血管疾病预测中的应用
心血管疾病（CVDs）是全球死亡的主要原因，先天性心脏病（CHD）、获得性心脏病（AHD）、瓣膜病和心肌病显著增加了发病率。视网膜眼底成像作为一种非侵入性技术，能够捕捉微血管变化，作为系统性心血管功能障碍的生物标志物。本研究系统回顾了2015年至2025年间发表的相关文献，评估了不同疾病焦点、成像模式、分析方法及诊断性能。结果表明，深度学习和机器学习模型应用于视网膜眼底图像，在检测和分类CVDs方面表现出较高的准确性。卷积神经网络在CHD检测中达到了91%的AUC值，而混合多模态方法提高了AHD和瓣膜病的预测敏感性。心肌病与血管扭曲和微出血相关，可通过自动化图像分析量化。新兴方法如基于Transformer的模型和Segment Anything Model (SAM) 的医疗影像适应，有望提高通用性和可解释性。尽管存在数据集不平衡、纵向验证有限和AI模型黑箱问题，视网膜成像仍具有作为可扩展、非侵入性工具的巨大潜力。
基于人工智能的青光眼视神经病变无相机依赖诊断
青光眼是导致不可逆视力丧失的主要原因之一，但由于其无症状进展和现有筛查方法的局限性，常常未能及时诊断。本研究旨在验证一种基于人工智能机器学习算法的无相机依赖青光眼视神经病变检测方法。研究数据来自EyePACS远程视网膜筛查系统，包括25,000张黄斑中心视网膜图像，涉及12,500名患者。通过卷积神经网络开发了该算法，并使用专家分级的图像作为金标准。经过质量过滤后，从EyePACS数据集中筛选出21,792张图像（10,986名受试者），算法在检测青光眼视神经病变方面表现出高灵敏度（90.6%）和特异性（90.5%）。在独立验证数据集上的表现同样出色，灵敏度为96.4%，特异性为85.3%。研究结果表明，该算法具有高度的准确性和可扩展性，适用于多种临床环境，有望改善青光眼筛查途径，提高其可及性和效率。
PathFinder AI工具在非视网膜专家中的诊断一致性评估
本研究旨在评估非视网膜专科医生（NRS）使用PathFinder人工智能辅助工具与视网膜专科医生在诊断和转诊决策上的一致性。研究纳入了202名连续接受CIRRUS平台OCT检查的患者，其中PathFinder AI模块被用于辅助诊断。结果显示，在202只眼睛中（平均年龄62.7 ± 12.3岁），PathFinder AI工具在资源有限的情况下具有显著的实时决策支持价值，但在特定疾病尤其是威胁视力的条件下，仍需进一步优化和临床监督。