基于可解释基础模型的视网膜图像优化用于颈动脉粥样硬化预测研究

本研究针对颈动脉粥样硬化（Carotid atherosclerosis）早期检测难题，系统评估了OpenCLIP、DINOv2、MAE和RETFound四种视觉基础模型结合三种微调方法（classifier-only、partial fine-tuning、LoRA）在视网膜图像分类中的表现。研究发现DINOv2结合LoRA微调策略表现最佳（AUC=0.71），其提取的生物标志物与未来心血管疾病（CVD）死亡率显著相关（HR=2.20），并通过血管分割模型实现了模型注意力的定量可解释性验证。该研究为医学人工智能领域提供了多维度评估框架，推动了视网膜成像在心血管疾病机会性筛查中的应用。

　　

在心血管疾病（CVD）全球死亡率持续高居榜首的背景下，颈动脉粥样硬化作为关键预测因子亟需早期检测手段。虽然颈动脉超声是评估颈动脉内膜中层厚度（CIMT）和斑块形成的标准方法，但其在大规模筛查中存在成本高、专业要求严和可及性受限等瓶颈。近年来，视网膜眼底成像凭借其非侵入性和与全身血管健康的密切关联，成为评估系统性疾病的新窗口——视网膜与脑部及冠状动脉微血管系统共享解剖和生理特征，使其成为洞察血管健康状况的独特视角。

传统研究多基于卷积神经网络（CNN）的任务特定模型，但随着基础模型（Foundation Models, FMs）在计算机视觉领域的革命性进展，如何选择最适合医学影像任务的基础模型及其微调策略成为关键问题。《npj Digital Medicine》最新发表的研究通过多维度评估框架，系统比较了四种视觉基础模型与三种微调方法在颈动脉粥样硬化分类中的表现，为医学人工智能的模型选择提供了系统方法论。

研究团队利用首尔大学医院健康促进中心（HPC-SNUH）2005-2016年间39,620名受试者的数据，其中6,597人具有动脉粥样硬化标签用于模型训练（共15,408张视网膜图像）。平均年龄63.1±9.6岁，男性占59.9%，颈动脉粥样硬化患病率为38.1%。数据集被划分为训练集（5,296人）、验证集（647人）和测试集（654人）。此外，32,835名参与者被纳入生存分析，评估预测生物标志物与CVD死亡率的预后关联。

关键技术方法包括：使用四种基础模型（OpenCLIP、DINOv2、MAE、RETFound）和三种微调策略（classifier-only、partial fine-tuning、LoRA）；采用Cox比例风险模型评估临床效用；通过Grad-CAM结合血管分割模型实现可解释性量化；使用AutoMorph进行血管结构分割。

性能比较结果

DINOv2结合LoRA微调显示出最佳分类性能：AUC=0.71（95% CI: 0.68-0.74），F1-score=0.62（0.59-0.65），灵敏度=0.87（0.84-0.90），特异性=0.44（0.41-0.47）。部分微调也表现出较强性能（AUC 0.66-0.70），而classifier-only方法 consistently表现最低（OpenCLIP AUC=0.60，MAE AUC=0.55）。

临床效用分析

在未调整的Cox模型中，所有基础模型均显示统计学显著性（P-trend<0.05）。经FRS调整后，LoRA和部分微调模型仍保持显著关联。特别值得注意的是，在调整年龄和性别后，只有DINOv2 with LoRA（aHR=1.34，95% CI: 1.05-1.70）和RETFound with partial/LoRA微调仍保持显著性，表明这些模型提取的生物标志物具有独立于传统风险因素的预后价值。

可解释性评估

通过血管分割模型定量评估显示，RETFound with classifier-only在血管注意力方面表现最佳（动脉相对比率=1.50，静脉=1.46），这得益于其视网膜图像预训练背景。DINOv2 with LoRA也显示出良好的血管注意力（动脉=1.47，静脉=1.37）。相关性分析发现分类性能与临床效用显著相关（p<0.01），但与可解释性指标无显著关联（p=0.343），揭示了视觉可解释性与临床相关性之间的不一致性。

研究结论强调，DINOv2结合LoRA微调在分类性能、临床效用和可解释性方面均表现最优，其提取的生物标志物与未来CVD死亡率显著相关且保持独立预后价值。该研究建立了集成性能评估、生存分析和可解释性的多维评估框架，为医学人工智能中选择基础模型和微调策略提供了系统方法。尽管模型在东亚人群单一中心数据上表现良好，但作者指出需要在更广泛临床背景下进行外部验证以改善泛化能力，同时未来应探索DeepSurv等深度生存分析方法来进一步提升预测性能。

这些发现支持了使用视网膜成像进行机会性动脉粥样硬化和CVD筛查的可行性，为大规模非侵入性人群筛查提供了新思路，特别是在视网膜成像已成为常规检查的糖尿病等高风险人群中有重要应用前景。