《Frontiers in Cell and Developmental Biology》：Artificial intelligence-based diagnostic model construction and quantitative analysis of retinal vein occlusion lesions using color fundus photographs
编辑推荐：
视网膜静脉阻塞（RVO）是全球第二常见的视网膜血管疾病，在中国影响超过700万人。目前，RVO的临床诊断和严重程度评估在很大程度上依赖医师的主观判断，导致早期漏诊率高、定量评估不足以及随访期间一致性差。大多数现有RVO相关AI模型仅支持分类诊断，缺乏多维定量评
视网膜静脉阻塞（RVO）是全球第二常见的视网膜血管疾病，在中国影响超过700万人。目前，RVO的临床诊断和严重程度评估在很大程度上依赖医师的主观判断，导致早期漏诊率高、定量评估不足以及随访期间一致性差。大多数现有RVO相关AI模型仅支持分类诊断，缺乏多维定量评估能力。本研究评估了现有AI系统（EVisionAI）基于彩色眼底照片对RVO病变进行自动分割和定量分析的能力，使用包含106只RVO眼和60只正常对照眼的数据集。该系统可同时提取三个核心指标：病变特征、血管形态和眼底豹纹状密度（FTD）。结果显示，AI分割出血、硬性渗出和棉絮斑的Dice系数均高于0.78。在多变量广义估计方程（GEE）模型中校正人口学因素和全身血管危险因素后，出血总面积、血管分形维度和血管密度与RVO存在显著关联（均P < 0.05），提示这些指标是有前景的RVO评估客观生物标志物。基于这些多维指标构建的诊断模型在区分RVO眼与健康对照时获得交叉验证的曲线下面积（AUC）为0.951（标准差[SD]：0.018）。总之，所提出的AI系统能够对RVO进行精确、标准化且可重复的多参数定量评估。然而，鉴于单中心横断面设计以及缺乏外部验证和疾病对照，这些发现是初步的。需要具有外部验证的前瞻性多中心研究来确认其临床效用。
研究背景与问题：视网膜静脉阻塞（RVO）是视网膜静脉回流受阻引起的常见视网膜血管疾病，人群患病率为0.7%–1.6%，主要并发症包括黄斑水肿、新生血管性青光眼和玻璃体出血，是工作年龄人群视力损害的主要原因之一。按阻塞部位可分为分支视网膜静脉阻塞（BRVO）和中央视网膜静脉阻塞（CRVO），二者风险特征、预后和治疗方案显著不同。目前临床诊断RVO主要依赖彩色眼底照片，由医师主观判读静脉迂曲扩张、沿血管走行出血、棉絮斑和硬性渗出等特征，仅能定性诊断，无法完成病变精确分割和严重程度客观定量评估。由此产生三个核心临床痛点：早期RVO病变隐匿，基层非眼科专科医师漏诊率可超过30%；严重程度评估缺乏统一量化标准，不同医师间评估一致性仅0.6–0.7；随访中病变变化难以精确量化，难以客观评估抗血管内皮生长因子（anti-VEGF）等治疗反应。因此，开发可客观、精确评估RVO的自动化分析方法具有重要临床价值。人工智能（AI）在糖尿病视网膜病变、年龄相关性黄斑变性、青光眼等视网膜疾病中已有应用，但现有RVO相关AI模型多仅支持分类诊断，缺乏多维定量评估能力。该研究评估现有AI系统EVisionAI基于彩色眼底照片对RVO病变进行自动分割和定量分析，纳入106只RVO眼和60只正常对照眼，系统同时提取病变特征、血管形态和眼底豹纹状密度（FTD）三个核心指标。结果表明，AI分割出血、硬性渗出和棉絮斑的Dice系数均高于0.78；在多变量广义估计方程（GEE）模型校正人口学因素和全身血管危险因素后，出血总面积、血管分形维度和血管密度与RVO显著相关（均P < 0.05），提示这些指标是有前景的RVO评估客观生物标志物；基于这些多维指标构建的诊断模型区分RVO眼与健康对照的交叉验证曲线下面积（AUC）为0.951（SD：0.018）。该研究意义在于所提AI系统能够实现精确、标准化和可重复的RVO多参数定量评估，但受单中心横断面设计、缺乏外部验证和疾病对照限制，结果仍属初步。
关键技术方法：该研究为单中心横断面研究，经赣州市人民医院伦理委员会批准（TY-ZKY2022-101-01），最终纳入166眼，其中RVO组106眼（BRVO 74例，CRVO 32例），对照60眼；排除图像质量差20眼。影像为Zeiss CLARUS 500采集的超广角（UWF）彩色眼底照片。核心工具EVisionAI基于深度学习架构，采用ResNet101-UNet分割血管和视盘旁萎缩，采用Single Shot Detection结合ResNet-50检测视盘；训练队列来源于上海社区40,600张、天津眼科医院2,981例和北京同仁医院5,320例的12,067张眼底图像。分析流程包括图像预处理与增强、病变分割、后处理及参数提取，计算病变指标、血管形态参数和FTD。统计使用SPSS 27.0和R 4.2.0，采用线性混合效应模型、GEE，并以5折交叉验证评估诊断性能。
3.1 研究参与者与数据分布：共166眼，RVO组106眼，对照60眼。RVO组年龄显著高于对照（57.49±12.15岁 vs. 52.13±11.90岁，P<0.001），性别、体质指数（BMI）无显著差异。RVO组以BRVO为主，74例（69.81%），CRVO 32例（30.19%），左右眼无显著偏好。吸烟史、高血压、血脂异常、总胆固醇、甘油三酯、低密度脂蛋白胆固醇在RVO组显著更高，高密度脂蛋白胆固醇无显著差异；这些不平衡在后续多变量GEE中校正。
3.2 RVO视网膜血管结构与形态的定量分析：在随机60张图像中，AI分割平均Dice系数为出血0.85、硬性渗出0.78、棉絮斑0.82，评分者间Dice为0.82。与对照相比，RVO组出血灶数量、出血总面积和最大出血面积显著升高，血管分形维度显著升高；平均血管直径和血管密度显著降低；血管长度在RVO组大幅增加，原文解释为高度迂曲和扩张静脉段被算法识别为更长连续路径，是形态描述而非绝对生物学测量。该多参数分析显示RVO与健康眼在病变负担、血管形态和密度上存在显著差异。
3.3 渗出性和缺血性病变（硬性渗出和棉絮斑）的定量分析：黄斑水肿是RVO导致中心视力下降的核心病理改变，硬性渗出反映血管渗漏，棉絮斑反映视网膜微梗死。定量结果中，RVO组硬性渗出数量、总面积和最大面积显著增加；棉絮斑数量、总面积和最大面积也显著高于健康眼。区域分布亦显示颞上、颞下等区域差异。研究人员认为这些定量数据阐明了RVO诱导的病理生理变化，为客观评估黄斑水肿严重程度及病理亚型提供影像基础。
3.4 FTD定量分析：FT是由于视网膜色素上皮（RPE）和脉络膜色素减少导致底层大脉络膜血管可见的常见眼底表现。既往研究提示RVO与更明显的视盘旁FT进展相关。本研究用自动系统评估FTD，伪彩密度图显示RVO组FTD可见度有增加趋势，但视盘旁、黄斑及盘-黄斑联合区域差异均未达统计学意义（均P>0.05）。
3.5 定量参数与RVO疾病状态的相关性分析：单变量GEE显示，出血数量、硬性渗出数量、分形维度升高、高血压和血脂异常与RVO显著相关；tRatio Vessel降低和Circle Vessel Diameter Z3变窄与RVO增加相关。多变量GEE校正后，分形维度每增加0.1单位，RVO比值比（OR）为3.14（95%置信区间[CI]：1.75–5.62，P<0.001）；tRatio Vessel每增加1%，OR为0.52（95% CI：0.38–0.71，P<0.001）；Circle Vessel Diameter Z3的OR为0.928（95% CI：0.812–1.061，P<0.001）；高血压OR=3.21（95% CI：1.54–6.70，P=0.002）、血脂异常OR=2.45（95% CI：1.23–4.88，P=0.011）、年龄每增加1岁OR=1.08（95% CI：1.01–1.15，P=0.021）均独立相关；性别和眼别无显著相关。结论为较高分形维度、较低血管密度、变窄的Circle Vessel Diameter Z3、高血压、血脂异常和年龄较大与RVO独立相关。
3.6 模型性能评估：基于系统提取的多维定量参数构建分类模型，经5折交叉验证，166眼中平均准确度94.8%（SD：1.2%；范围93.1%–96.4%），敏感度94.9%（SD：1.5%；范围92.5%–96.8%），特异度94.5%（SD：1.8%；范围91.6%–96.2%），平均AUC为0.951（SD：0.018；范围0.932–0.965）。原文强调该AUC来自单中心内部交叉验证，代表内部有效性估计，而非真实世界泛化性能保证。
讨论与结论：讨论指出，该研究成功应用自动图像定量分析系统对166眼进行病变定位和多维分析，验证了自动分割和量化RVO关键病变特征的可行性。与既往AI研究相比，多数RVO模型聚焦二分类或多分类，不提供病变负担和血管形态定量；该系统整合像素级病变分割与血管参数提取，提供超越简单分类的多维信息。研究确认系统能识别RVO特征性表现，血管形态差异与既往病理生理研究一致；超广角成像有潜力，但本研究分析聚焦黄斑中心区域。系统未直接分割非灌注区（NPA），但出血和微动脉瘤定量可间接反映缺血负担；系统能区分硬性渗出和棉絮斑，有助于治疗和预后评估。FTD作为脉络膜状态指标被纳入，虽呈增加趋势但无统计学意义，可能与RVO后脉络膜血流动力学改变和脉络膜变薄有关。局限性包括单中心、样本量有限、无外部验证、仅纳入RVO与健康对照而无其他视网膜疾病对照，诊断任务较真实世界鉴别诊断简单，特异度可能高估；5折交叉验证不能替代外部验证；横断面设计不能进行因果推断。临床潜在应用包括基层筛查、监测疾病进展和治疗反应、支持个体化风险分层，但均需前瞻性真实世界验证。未来需多中心大规模前瞻性研究，纳入多样疾病对照，并整合光学相干断层扫描血管成像（OCTA）和荧光素眼底血管造影（FFA）等。
结论部分翻译：总之，本研究证明基于AI的自动分割和定量分析系统用于彩色眼底照片上RVO病变的可行性。研究人员的发现表明，该系统能够实现精确的病变分割和定量指标提取，且AI衍生的血管参数，尤其是分形维度和tRatio Vessel，在校正人口学因素和全身血管危险因素后与RVO独立相关。这些观察提供了初步证据，支持该系统用于客观RVO评估的潜在效用。然而，鉴于单中心横断面设计、缺乏外部验证和疾病对照（如糖尿病视网膜病变、年龄相关性黄斑变性），当前结果必须谨慎解释。在将该系统整合到常规临床实践之前，进行包含外部验证和多样疾病对照的严格前瞻性多中心研究是必要的。
