近日，Heart（中科院一區，IF：5.1）發表了一篇題為“基於視網膜影像的深度學習演算法在冠心病患者輕度認知障礙篩查中的應用”的研究論文。研究發現：基於視網膜影像的深度學習技術能快速篩查冠心病患者中患有輕度認知障礙（MCI）的個體，為臨床診斷帶來革新。研究來自北京安貞醫院冠心病中心曾勇教授團隊，第一作者是北京安貞醫院葉一和丁耀東醫生，通訊作者為安貞醫院曾勇教授。
圖文摘要
研究背景
冠心病（CAD）與輕度認知障礙（MCI）具有共同的危險因素（如高血壓、糖尿病等），MCI與CAD風險增加呈正相關。CAD合併MCI的患者心血管死亡和全因死亡等不良事件的風險顯著增加。目前，MCI的診斷主要依賴量表評估（如MMSE、MoCA）和神經影像技術，但這些方法成本高、耗時長，且易受患者文化背景影響。因此，開發一種非侵入、便捷、高效的篩查工具十分必要。由於其光學可見性，視網膜是人體中唯一能夠直接、無創穫取並反映中樞神經系統和心血管系統疾病特徵的組織，其血管和結構變化與全身性疾病（如心血管疾病、糖尿病）密切相關。近年來，人工智慧（AI）在醫學影像分析中展現出巨大潛力，但此前尚未有研究探索其在“冠心病合併MCI”篩查中的應用。
研究目的
本研究旨在開發一種基於視網膜影像的深度學習模型，用於快速、準確地在冠心病人群中篩查患MCI的患者，為早期干預和精準管理提供支援。
研究方法與結果
研究為一項單中心橫斷面研究，納入了來自北京安貞醫院2021年7月至2023年7月期間，經 “金標準” 冠脈造影（即至少一根冠脈血管狹窄程度≥50%）確診為冠心病（CAD），且同時完成認知功能評估及眼底鏡拍攝的患者。將2021年7月至2023年5月符合條件的患者按8:2的比例隨機分配，用於模型的訓練和內部測試。之後採用時間驗證的方法納入同中心2023年6月至2023年7月的患者資料對模型進行驗證。
MCI診斷標準為簡易精神狀態檢查量表（Mini-mental State Examination，MMSE）<27或蒙特利爾認知評估量表（Montreal Cognitive Assessment，MoCA）<26。研究分別基於患者的MMSE量表結果和MoCA量表結果為演算法標籤進行建模並驗證。
研究使用4種不同的卷積神經網路（Convolutional Neural Network，CNN）架構（ResNet-18、ResNet-50、ResNet-101和Inception-v3）對眼底影像進行訓練，並透過模型整合建立了MCI檢測的整合視覺模型。
我們從4357例CAD患者中收集了9009張符合條件的眼底影像。完成MMSE量表的患者共4357例，其中男性3239例，MCI患者523例。基於患者MMSE量表結果為演算法標籤構建的深度學習模型在測試組的AUC為0.832（95%置信區間：0.800-0.863），採用靈敏度和特異度之和最大的工作點，演算法在測試組的靈敏度為0.683（95%置信區間：0.646-0.721），特異度為0.810（95%置信區間：0.777-0.843），對應於驗證組的AUC為0.776（95%置信區間：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。基於患者MoCA量表結果為演算法標籤構建的深度學習模型在測試組的AUC為0.764（95%置信區間：0.742-0.785）。選取靈敏度和特異度之和最大的工作點，演算法的靈敏度為0.751（95%置信區間：0.729-0.774），特異度為0.643（95%置信區間：0.618-0.669），對應於驗證組的AUC值為0.725（95%置信區間：0.701-0.750）。
研究進一步比較了模型在單支血管病變與多支血管病變CAD患者中的診斷效能。在MMSE組中，單支血管病變與多支血管病變CAD患者的演算法診斷效能無顯著差異（AUC：0.874 vs. 0.817，P = 0.294），這表明基於MMSE量表的深度學習演算法在不同冠狀動脈病變程度下，對認知障礙的識別能力較為穩定，不受血管病變支數的顯著影響。在MoCA組中也觀察到類似結果（AUC：0.768 vs. 0.737，P = 0.442），說明基於MoCA量表的深度學習演算法同樣具有在不同冠狀動脈病變嚴重程度下保持相對穩定診斷效能的特點。
兩個模型內部測試集的校準曲線顯示出良好的校準效果。決策曲線結果表明模型具有廣泛的臨床應用價值。熱圖視覺化揭示模型關注視盤和血管區域，這一關注模式與認知障礙領域的現有結論一致。
研究結論和意義
本研究首次驗證了基於視網膜影像的深度學習模型在CAD患者MCI篩查中的有效性。模型以非侵入性方式實現了較高的診斷效能（MMSE模型AUC達0.832），且對冠脈單支/多支血管病變患者均適用。整合學習和視覺化技術提升了模型的穩定性與可解釋性。
本研究為CAD患者MCI的早期檢測提供了創新方案，有助於疾病的早期診斷和治療，從而改善這一人群的預後和生活質量，具有重要的臨床轉化潛力。未來需透過更大規模研究最佳化模型，並探索其在真實世界中的應用價值。
研究展望
未來需透過多中心、前瞻性佇列研究驗證模型的泛化性，納入不同種族、地域及共病特徵的群體以最佳化演算法普適性。探索視網膜特徵與MCI病理機制的生物學關聯，結合多模態資料（如血液標誌物、腦影像）構建聯合預測模型。同時，應開發動態監測系統評估MCI進展與心血管預後的關聯，並推動該技術在基層醫療和遠端篩查中的應用，實現“眼-腦-心”跨系統疾病的精準防控。
安貞醫院冠心病中心
北京安貞醫院冠心病中心為國內首批專注於冠心病系統化診療的專科中心，是國家心血管病臨床醫學研究中心核心單元、國家衛健委冠心病介入診療培訓基地及中國胸痛中心示範單位。年冠脈介入手術量近4萬例，關注冠心病的臨床與基礎研究，致力於推動冠心病的規範化培訓與診療。
專家簡介
曾勇 教授
-
首都醫科大學附屬北京安貞醫院冠心病中心執行主任兼冠心病三病區主任、主任醫師、博士研究生導師，ESC Fellow，海醫會心臟重症專家委員會主任委員、中華醫學會心血管病學分會冠心病學組委員、衛生部心血管疾病介入診療培訓基地(冠心病介入)第一批導師、中華醫學雜誌編委。
-
1998年開始從事冠心病的介入治療，以第一術者完成冠脈介入手術超過萬例，特別是對高危複雜的冠脈病變，如其左主幹病變、分叉病變、慢性閉塞病變、多支血管病變等有豐富的臨床經驗。
-
主持和參加國家自然科學基金以及多項國家級課題。獲得過四項中華醫學科技獎和省部級二等及三等獎。發表文章80餘篇，SCI文章40篇。參與編寫書籍6部，其中主編《系統性疾病與心臟》系列叢書。
醫脈通是專業的線上醫生平臺，“感知世界醫學脈搏，助力中國臨床決策”是平臺的使命。醫脈通旗下擁有「臨床指南」「用藥參考」「醫學文獻王」「醫知源」「e研通」「e脈播」等系列產品，全面滿足醫學工作者臨床決策、獲取新知及提升科研效率等方面的需求。
