无目标标注的跨解剖RNFL生物标志物分割人工智能框架

《Frontiers in Cell and Developmental Biology》：Target-label-free artificial intelligence framework for cross-anatomical RNFL biomarker segmentation in optical coherence tomography

　　

**摘要**
**背景：** 有效的青光眼管理依赖于准确的光学相干断层扫描（OCT）量化视盘周围视网膜神经纤维层（cpRNFL）以追踪疾病进展。然而，人工智能（AI）驱动的结构评估的临床转化受到视神经头（ONH）标注稀缺以及耦合的解剖-硬件域偏移的瓶颈限制。
**方法：** 研究人员提出Macula2Disc（M2D），一种无目标标注的、直推式AI框架，用于跨解剖图像分析。该框架仅使用源域黄斑B扫描训练，通过三个集成组件跨越异质OCT平台（Heidelberg Spectralis和TowardPi BMizar-400K）弥合黄斑到视盘的差距：（1）一个三级变形模块（TLDM），从抗扭曲稳定的黄斑拓扑合成ONH形态变异；（2）一个非均匀有理B样条（NURBS）光度模块，校准设备特定的强度流形；以及（3）一个跨域分割网络（CDSN），通过熵门控全局特征对齐进行优化。
**结果：** 在1,017张未标注的ONH视盘周围扫描（422名参与者）上的验证产生了总体RNFL Dice系数为87.42%和平均交并比（MIoU）为80.43%。在混合设备临床子集中与专家共识对比评估，M2D显示出统计一致性（平均绝对差[MAD] = 1.8 μμm，组内相关系数[ICC(2,1)] = 0.96，P=0.62）。在明显的RNFL变薄（一种晚期病理状态，其中专有商业软件显示出统计学上显著的边界追踪偏差，MAD = 2.8 μμm，P=0.04）的病例中，该框架实现了与专家共识一致的解剖对齐。在整个队列中，M2D结构生物标志物测量与商业基线输出表现出统计一致性（总体平均绝对误差[MAE] = 1.5 μμm），表明该框架具有稳健的技术能力，可在不同硬件架构下近似专有分割。
**结论：** M2D框架提供了一种无目标标注的AI策略，用于解决耦合的黄斑到视盘域偏移。通过逼近普通人群中的商业解剖测量，同时解决病理极端情况下的边界追踪脆弱性，该方法为跨平台解剖评估建立了基础计算框架。本研究的主要终点是结构生物标志物提取的一致技术评估，严格的诊断性能分析仍是未来关键方向。

**论文解读：基于无目标标注的跨解剖RNFL生物标志物分割人工智能框架**

**一、研究背景与问题**

青光眼是全球范围内导致不可逆失明的主要慢性眼病，其病理特征为视网膜神经节细胞（RGCs）及其轴突的进行性退变。尽管光学相干断层扫描（OCT）已成为评估视盘周围视网膜神经纤维层（cpRNFL）厚度这一敏感结构生物标志物的核心非侵入性成像模态，但将人工智能（AI）驱动的结构评估大规模应用于临床仍面临两大瓶颈：一是视神经头（ONH）区域缺乏专家级像素级标注，而黄斑区域标注相对丰富但解剖结构差异显著；二是不同OCT设备（如Heidelberg Spectralis和TowardPi BMizar-400K）之间因硬件差异导致的光度域偏移。这种耦合的解剖域偏移（从黄斑到视盘）和硬件域偏移严重限制了现有AI模型在跨平台、跨解剖场景下的泛化能力，尤其在疾病晚期RNFL显著变薄时，商用软件常出现边界追踪偏差。因此，亟需一种无需目标域标注、能利用黄斑先验知识可靠提取ONH生物标志物的AI框架。

**二、研究开展与主要结论**

研究人员提出了Macula2Disc（M2D）框架，这是一种无目标标注的直推式无监督域适应方法，仅以黄斑源域B扫描训练，通过三个核心模块（TLDM、NURBS模块、CDSN）解决耦合的域偏移。在包含422名参与者（1,017张ONH视盘周围扫描）的异质临床队列中验证，M2D在整体RNFL分割上达到Dice系数87.42%和MIoU 80.43%，与商用软件基线输出统计一致（总体MAE=1.5 μμm）。在100张混合设备扫描的专家共识子集中，M2D在晚期病理状态下（RNFL显著变薄）表现出与专家共识的统计一致性（MAD=1.8 μμm，ICC=0.96），而商用软件则出现显著偏差（MAD=2.8 μμm，P=0.04）。该研究证实了M2D作为跨平台解剖评估的一致计算基础，但其主要终点是技术评估，诊断性能分析是未来方向。论文发表在《Frontiers in Cell and Developmental Biology》。

**三、主要关键技术方法（不超过250字）**

M2D框架包含三个关键模块：（1）三级变形模块（TLDM），将标准十层黄斑标注抽象为抗扭曲稳定的三层拓扑（RNFL、剩余视网膜[RR]和脉络膜复合体[CC]），并通过密集薄板样条（TPS）变形和高频正弦函数模拟ONH形态变化；（2）基于非均匀有理B样条（NURBS）的光度映射模块，通过无监督贝叶斯优化校准设备特定强度流形，最小化源与目标域之间的1D Wasserstein距离；（3）跨域分割网络（CDSN），采用ImageNet预训练的EfficientNet-B3编码器和UPerHead解码器，并通过域适配层（DAL）和基于伪原型机制的全局对齐损失（L_global）实现无目标标注的特征对齐。样本队列来源：源域黄斑B扫描来自Optovue RTVue XR（105名患者，3,150张扫描），目标域ONH扫描来自Heidelberg Spectralis（613张）和TowardPi BMizar-400K（404张），共422名参与者，严格按患者级别划分。

**四、研究结果**

**4.1 评估指标**
为满足双重验证目标，参考标准按队列特异性设定：1,017张扫描队列以商用软件输出为基线比较器；100张混合设备子集以仲裁专家共识为金标准，评估病理保真度。像素级空间重叠使用Dice系数和平均交并比（MIoU）量化，涵盖三个解剖类别（RNFL、RR、CC）。

**4.2 技术验证队列与计算效率**
目标域评价队列包含422名参与者（1,017张扫描），涵盖正常对照（108例）、白内障对照（102例）、疑似青光眼（110例）和确诊青光眼（102例），临床参数（如眼压、垂直杯盘比）随疾病严重性显著变化（P<0.001）。Heidelberg扫描源自私立社区和三级眼科中心，TowardPi扫描则来自专门青光眼中心，以反映真实临床异质性。M2D框架模型参数约2,680万（107.6 MB），推理内存峰值2.1 GB，在NVIDIA RTX 4090 GPU上平均延迟37 ms/扫描，在CPU上约418 ms/扫描，表明其计算可行性。

**4.2.1 与商用基线的定量一致性**
与六种现有域泛化方法相比，M2D在目标ONH域上提高了三层分割与商用基线的一致性。在TowardPi设备上，Dice达92.09%（95% CI: 90.63%–93.55%），较AugMix提升3.83%。在Heidelberg设备上Dice为86.08%。消融实验验证了TLDM、NURBS模块和全局对齐损失的功能贡献。完整框架在RNFL单层上平均Dice为87.42%，MIoU为80.43%，反映算法逼近商用输出的能力。

**4.3 跨临床亚组的生物标志物分布**
在422名参与者队列中，M2D的结构测量反映了疾病连续体的进行性变薄：正常对照约110 μm，疑似青光眼约89 μm，确诊青光眼约69 μm。与商用基线比较，总体MAE为1.5 μm，显著优于MB-U-Net（34.8 μm）和nnU-Net（4.2 μm）等替代方法。跨设备分层分析显示，Heidelberg与TowardPi平台之间的总体偏差为0.1 μm（95% CI: [?0.9, +1.1] μm），完全落在预设临床等效性边界±5 μm内，且设备×诊断交互项不显著（P=0.12），表明跨平台一致性不受疾病严重程度影响。

**4.3.1 混合设备队列中的专家边界校正与一致性**
在100张混合设备子集中，采用AI辅助双盲标注范式（以M2D未编辑输出为初始模板，由两位独立专家校正，再由资深青光眼专家仲裁）。M2D与专家共识的MAD为1.8 μm，ICC(2,1)=0.96，偏差95% CI [?0.5, +0.3] μm完全在±5 μm临床等效性边界内。而商用软件与专家共识的MAD为2.8 μm（P=0.04），偏差+1.8 μm。补充的10张从零标注子集显示M2D与盲法标注的统计一致性（MAD=2.1 μm，ICC=0.95），但声明该子集有限，不足以排除锚定偏差。

**五、讨论总结与结论翻译**

**讨论总结：**
M2D框架的核心贡献在于其偏离传统纯数据驱动域适应方法，采用显式几何与光度建模：TLDM将源域解剖抽象为抗扭曲拓扑，NURBS模块校准设备强度流形，结合课程学习防止灾难性遗忘，实现双域推理能力。临床评估证实其技术可行性：在一般人群中逼近商用测量（MAE=1.5 μm），在晚期病理中补偿商用算法边界追踪偏差（与专家共识一致）。但需强调，该框架并非独立诊断工具，而是多模态青光眼工作流中支持结构评估的计算组件。局限性包括：三层拓扑抽象掩盖精细层状细节；10张从零标注子集不足以排除锚定偏差；极端几何增强可能引入伪影；大队列评价依赖商用软件而非独立金标准，绝对准确性待验证；当前框架为回顾性直推式原型，需前瞻性验证和归纳域泛化。

**研究结论翻译：**
Macula2Disc（M2D）框架提出了一种无目标标注的人工智能（AI）策略，用于解决黄斑和视盘周围OCT扫描之间的耦合解剖与硬件诱导偏移。通过整合拓扑保持结构变形、设备特定光度校准和无监督特征对齐，该框架将已建立的黄斑先验知识转移至未标注的视神经头目标，用于自动cpRNFL生物标志物提取。在临床数据上的测试证实了该方法的可行性。具体而言，该框架在异质1,017张扫描评价队列中展示出与商用软件基线的结构测量一致性。此外，在有限标注的晚期病理子集中与仲裁专家共识对比评估，M2D显示出统计一致性，减轻了商用算法中观察到的边界追踪偏差。因此，本研究为跨不同OCT平台的无目标标注分割和结构生物标志物提取提供了一种计算方法，为客观跨设备解剖评估建立了一致的基础。