摘要：近日，Heart（中科院一区，IF：5.1）发表了一篇题为“基于视网膜图像的深度学习算法在冠心病患者轻度认知障碍筛查中的应用”的研究论文。研究发现：基于视网膜图像的深度学习技术能快速筛查冠心病患者中患有轻度认知障碍（MCI）的个体，为临床诊断带来革新。研究来自
第七期
导读
近日，Heart（中科院一区，IF：5.1）发表了一篇题为“基于视网膜图像的深度学习算法在冠心病患者轻度认知障碍筛查中的应用”的研究论文。研究发现：基于视网膜图像的深度学习技术能快速筛查冠心病患者中患有轻度认知障碍（MCI）的个体，为临床诊断带来革新。研究来自北京安贞医院冠心病中心曾勇教授团队，第一作者是北京安贞医院叶一和丁耀东医生，通讯作者为安贞医院曾勇教授。
图文摘要
研究背景
冠心病（CAD）与轻度认知障碍（MCI）具有共同的危险因素（如高血压、糖尿病等），MCI与CAD风险增加呈正相关。CAD合并MCI的患者心血管死亡和全因死亡等不良事件的风险显著增加。目前，MCI的诊断主要依赖量表评估（如MMSE、MoCA）和神经影像技术，但这些方法成本高、耗时长，且易受患者文化背景影响。因此，开发一种非侵入、便捷、高效的筛查工具十分必要。由于其光学可见性，视网膜是人体中唯一能够直接、无创获取并反映中枢神经系统和心血管系统疾病特征的组织，其血管和结构变化与全身性疾病（如心血管疾病、糖尿病）密切相关。近年来，人工智能（AI）在医学影像分析中展现出巨大潜力，但此前尚未有研究探索其在“冠心病合并MCI”筛查中的应用。
研究目的
本研究旨在开发一种基于视网膜图像的深度学习模型，用于快速、准确地在冠心病人群中筛查患MCI的患者，为早期干预和精准管理提供支持。
研究方法与结果
研究为一项单中心横断面研究，纳入了来自北京安贞医院2021年7 月至2023年7 月期间，经 “金标准” 冠脉造影（即至少一根冠脉血管狭窄程度≥50%）确诊为冠心病（CAD），且同时完成认知功能评估及眼底镜拍摄的患者。将2021年7 月至2023年5 月符合条件的患者按8:2的比例随机分配，用于模型的训练和内部测试。之后采用时间验证的方法纳入同中心2023年6 月至2023年7 月的患者数据对模型进行验证。
MCI诊断标准为简易精神状态检查量表（Mini-mental State Examination，MMSE）
研究使用4 种不同的卷积神经网络（Convolutional Neural Network，CNN）架构（ResNet-18、ResNet-50、ResNet-101和Inception-v3）对眼底图像进行训练，并通过模型集成建立了MCI检测的整合视觉模型。
我们从4357例CAD患者中收集了9009张符合条件的眼底图像。完成MMSE量表的患者共4357例，其中男性3239例，MCI患者523例。基于患者MMSE量表结果为算法标签构建的深度学习模型在测试组的AUC为0.832（95%置信区间：0.800-0.863），采用灵敏度和特异度之和最大的工作点，算法在测试组的灵敏度为0.683（95%置信区间：0.646-0.721），特异度为0.810（95%置信区间：0.777-0.843），对应于验证组的AUC为0.776（95%置信区间：0.730-0.821）。
完成MoCA量表的患者共4356例，其中男性3238例，MCI患者2299例。基于患者MoCA量表结果为算法标签构建的深度学习模型在测试组的AUC为0.764（95%置信区间：0.742-0.785）。选取灵敏度和特异度之和最大的工作点，算法的灵敏度为0.751（95%置信区间：0.729-0.774），特异度为0.643（95%置信区间：0.618-0.669），对应于验证组的AUC值为0.725（95%置信区间：0.701-0.750）。
研究进一步比较了模型在单支血管病变与多支血管病变CAD患者中的诊断性能。在MMSE组中，单支血管病变与多支血管病变CAD患者的算法诊断性能无显著差异（AUC：0.874 vs. 0.817，P = 0.294），这表明基于MMSE量表的深度学习算法在不同冠状动脉病变程度下，对认知障碍的识别能力较为稳定，不受血管病变支数的显著影响。在MoCA组中也观察到类似结果（AUC：0.768 vs. 0.737，P = 0.442），说明基于MoCA量表的深度学习算法同样具有在不同冠状动脉病变严重程度下保持相对稳定诊断性能的特点。
两个模型内部测试集的校准曲线显示出良好的校准效果。决策曲线结果表明模型具有广泛的临床应用价值。热图可视化揭示模型关注视盘和血管区域，这一关注模式与认知障碍领域的现有结论一致。
研究结论和意义
本研究首次验证了基于视网膜图像的深度学习模型在CAD患者MCI筛查中的有效性。模型以非侵入性方式实现了较高的诊断性能（MMSE模型AUC达0.832），且对冠脉单支/多支血管病变患者均适用。集成学习和可视化技术提升了模型的稳定性与可解释性。
本研究为CAD患者MCI的早期检测提供了创新方案，有助于疾病的早期诊断和治疗，从而改善这一人群的预后和生活质量，具有重要的临床转化潜力。未来需通过更大规模研究优化模型，并探索其在真实世界中的应用价值。
研究展望
未来需通过多中心、前瞻性队列研究验证模型的泛化性，纳入不同种族、地域及共病特征的群体以优化算法普适性。探索视网膜特征与MCI病理机制的生物学关联，结合多模态数据（如血液标志物、脑影像）构建联合预测模型。同时，应开发动态监测系统评估MCI进展与心血管预后的关联，并推动该技术在基层医疗和远程筛查中的应用，实现“眼-脑-心”跨系统疾病的精准防控。
安贞医院冠心病中心
北京安贞医院冠心病中心为国内首批专注于冠心病系统化诊疗的专科中心，是国家心血管病临床医学研究中心核心单元、国家卫健委冠心病介入诊疗培训基地及中国胸痛中心示范单位。年冠脉介入手术量近4万例，关注冠心病的临床与基础研究，致力于推动冠心病的规范化培训与诊疗。
专家简介
曾勇 教授
首都医科大学附属北京安贞医院冠心病中心执行主任兼冠心病三病区主任、主任医师、博士研究生导师，ESC Fellow，海医会心脏重症专家委员会主任委员、中华医学会心血管病学分会冠心病学组委员、卫生部心血管疾病介入诊疗培训基地(冠心病介入)第一批导师、中华医学杂志编委。1998年开始从事冠心病的介入治疗，以第一术者完成冠脉介入手术超过万例，特别是对高危复杂的冠脉病变，如其左主干病变、分叉病变、慢性闭塞病变、多支血管病变等有丰富的临床经验。主持和参加国家自然科学基金以及多项国家级课题。获得过四项中华医学科技奖和省部级二等及三等奖。发表文章80余篇，SCI文章40篇。参与编写书籍6部，其中主编《系统性疾病与心脏》系列丛书。医脉通是专业的在线医生平台，“感知世界医学脉搏，助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品，全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。
来源：医脉通心内频道
