黄天荫/盛斌/李华婷/贾伟平/戴琼海/王拥军等研制眼脑轴基座模型DeepRETStroke，实现无症...

正文

请到「今天看啥」查看全文

，在糖尿病患者中更甚。 SBI 的发生常无明显临床症状，但却显著增加未来脑卒中、认知障碍及死亡的风险。《中国脑卒中防治报告（ 2023 ）》指出，我国 40 岁及以上人群脑卒中现患人数达 1242 万，且发病人群呈年轻化。平均每 10 秒就有 1 人初发或复发脑卒中；在脑卒中幸存者中，约 75% 人群留有不同程度的后遗症，这进一步强调了脑卒中预防和治疗的紧迫性。然而，当前 SBI 和脑卒中的发现仍高度依赖昂贵且有限可及的脑影像技术 （如 MRI ） ，使得广泛筛查面临现实瓶颈。

视网膜作为中枢神经系统的延伸结构，也一直因其作为观察脑部血管与神经 健康的独特窗口而备受神经科学和脑科学等多学科领域的关注。研究团队创造性构建了眼 - 脑轴影像基座模型，并在此基础上建立了 DeepRETStroke 深度学习系统，通过眼底图像这一简单、无创且便于采集的媒介，聚焦 SBI 和卒中风险的智能识别与预测：一是使用 DeepRETStroke 系统从视网膜图像中检测 SBI ；二是使用视网膜检测到的 SBI 特征来改善未来卒中风险预测，并微调模型来预测卒中复发。

图 1 . 眼 - 脑轴垂域 基座模型赋能 DeepRETStroke 系统，实现无症状脑梗便捷筛查

跨器官影像预训练策略，打造全球首个眼 - 脑轴跨器官垂域基座模型

研究团队构建了 三阶段跨器官影像预训练策略 ，实现眼 - 脑垂域基座模型的构建。第一阶段：通过无监督学习增强模型跨种族泛化能力；第二阶段：通过监督学习初始化基座模型，初步建立“眼 - 脑关联”先验知识，提高后续模型学习的稳定性和可靠性 ； 第三阶段：通过半监督学习和知识迁移强化基座模型，采用无卒中病史的大规模数据集和具备脑影像诊断“金标准”的数据集相结合的开发框架，进一步优化模型对“眼 - 脑关联”特征的表示能力，提升模型对 SBI 检测和卒中预测的表示能力。通过上述三步预训练策略，成功创建了眼 - 脑轴特定垂域 的跨器官影像基座模型，并在马来西亚、新加坡、美国、英国、丹麦及中国香港等多个人群队列的 20 万张眼底图像和临床数据中进一步验证。 DeepRETStroke 系统可无创识别既往未被诊断的 SBI ，同时还可预测未来 5 年首次脑卒中及卒中复发的风险，显著优于传统基于年龄、血压等临床指标的预测模型，并且 在不同人种中具有较好的鲁棒性和泛化性。 不仅如此，本研究通过对

请到「今天看啥」查看全文