一种用于评估视力障碍和患眼癌风险分层的超声基础模型

《npj Digital Medicine》：An ultrasound foundation model for the stratification of vision impairment and eye cancer risk

　　

摘要

由于全球人口老龄化，视力障碍和眼癌风险的发病率不断上升，因此需要进行精确的眼科疾病筛查。然而，目前仍缺乏标准化且可靠的风险分层方法。在此，我们提出了SonoEye这一基于超声技术的视觉语言模型，用于眼病风险的分层评估。该模型在215,356对来自70,452名患者的图像-文本数据上通过对比学习进行预训练，并利用经共识验证的患者级标签进行了微调。在区分18种眼病时，该模型的筛查灵敏度达到了98.3%，平均准确率为96.3%。我们还建立了眼病报告与数据系统（Eye-RADS），该系统采用四级风险分层机制（正常、低视力风险、高视力风险和肿瘤风险），在内部测试队列（Cohen’s kappa系数为0.808）和外部测试队列中的表现均非常出色（Cohen’s kappa系数为0.677-0.685）。值得注意的是，纳入年龄因素显著提升了SonoEye在老年人群中的评估性能，而在年轻人群中效果不明显，这表明眼保健中存在与年龄相关的特征。通过图像与文本的匹配，SonoEye能够生成结构化的临床报告，并提供易于理解的可视化结果，从而推动了自动化视力风险分层的进展，尤其是在资源有限的地区，尤其是针对老年人群。