看透你的心，眼底照片可准确预测慢性肾病2型糖尿病

　　慢性肾脏病和糖尿病在全世界都是属于严重的公共卫生问题。全世界有大约816的人群患有慢性肾脏病，而2型糖尿病的患病率也达到了9。3之多。这两种疾病均与心血管疾病、肾功能衰竭和失明等严重的后果有关。早期识别这些疾病是早期控制的前提，最近发表于NatureBiomedicalEngineering的研究就致力于改变这一情况，实现了通过眼底照片和临床情况自动快速诊断这两种疾病。
　　图3。1研究发表于NatureBiomedicalEngineering
　　这项由北京邮电大学领衔的研究联合了国内诸多医院，开发了检测和预测慢性肾脏病和2型糖尿病的两个模型。检测模型使用了中国眼底图像调查联盟（CCFII）患者队列的横断面数据，包括43156名参与者的86312张视网膜眼底图像，随后使用来自中山大学中山眼科中心和南方医科大学南方医院的8059名参与者的16118张视网膜眼底图像，以及使用智能手机设备捕获的唐山市3081名参与者的6121张视网膜眼底图像进行了外部验证，甚至还是使用来自澳门和新疆的多种族数据进行了验证。预测模型使用了CCFII患者队列的随访数据包括10269名参与者，随访时间为6年，随后使用来自北京大学第一和第三附属医院的3376名参与者为期5年的随访数据开展了外部验证。此外，四川大学华西医院、国科大重庆仁济医院、江苏大学附属昆山医院也参与了图像数据收集。
　　图3。2通过眼底照片预测慢性肾病、2型糖尿病
　　图3。3内部及外部验证证明模型可供推广
　　研究开发的深度学习模型根据眼底图像结合参与者的年龄、性别、身高、体重、体重指数和血压数据，成功识别慢性肾脏疾病的受试者在操作特征曲线下的面积（AUC），在两个外部验证中分别为0。898和0。879；识别糖尿病患者的AUC为0。848和0。845。在预测慢性肾脏疾病和2型糖尿病的问题上，预测模型在外部验证集上的C指数分别为0。845和0。719。同时，这一模型还可以预测患者的肾小球滤过水平和血糖水平，平均绝对误差为11。113。4mlmin1。73m2和0。651。1mmolL之间。此外，还可以根据这一预测信息对疾病进展风险对患者进行分层。
　　图3。4评论文章发表于NatureBiomedicalEngineering
　　这项研究通过基于多种族人群的外部验证队列和使用智能手机拍摄的眼底图像的前瞻性研究，评估了用于识别慢性肾病和2型糖尿病的普适性，同时也证明了这一模型可以预测疾病进展的可行性。在发表的评论文章中还指出，视网膜眼底图像可以识别和预测人群的视网膜血管直径、冠状动脉钙化评分、贫血、慢性肾病、体重指数、肌酐等一系列的健康信息。如果这一技术能够应用到临床，那么偏远和贫困地区的健康保健水平想必会有明显提升。不过，要看到这一模型最终促进患者改变风险因素，真正落地改善人群健康可能还需要更长时间。
　　REF：
　　〔1〕ZhangK，LiuX，XuJ，etal。Deeplearningmodelsforthedetectionandincidencepredictionofchronickidneydiseaseandtype2diabetesfromretinalfundusimages。NatBiomedEng。2021J5（6）：533545。doi：10。1038s41551021007456。
　　〔2〕MitaniA，HammelN，LiuY。Retinaldetectionofkidneydiseaseanddiabetes。NatBiomedEng。2021J5（6）：487489。doi：10。1038s41551021007474。