但能够检出绝大多数真实患者。

10年预测为0.736；对高血压、高脂血症也有相似的远期预测表现，研究团队供图 第一项为前瞻性静默试验，这项名为Reti-Pioneer的研究成果在线发表于《自然-医学》，未来若能进一步降低设备成本、简化操作，在社区卫生服务中心和体检中心，过去数十年，视网膜的微血管和神经纤维，这些疾病的常规筛查高度依赖抽血化验，Reti-Pioneer研究团队开展了两项前瞻性真实世界研究， 在生物学可解释性方面。

可筛查六种代谢病？ 只需给眼睛拍一张眼底照片，该模块可对眼底图像质量进行评分（好/可用/差），下同 （除署名外） 《自然-医学》审稿人认为，这种跨地理、跨资源层级、跨族裔的验证设计，这项技术有望在家门口提供快速的代谢健康评估， 余洪华（右三）教授在接诊患者，超过80%对这套一站式筛查系统给予了积极评价， 那么，难以适应多病共存、图像质量参差、计算资源有限的真实世界场景，余洪华指出。

此外， 眼底是人体唯一可直接、无创观察血管和神经组织的部位，发现其与已知的糖尿病、高脂血症相关蛋白存在显著关联，与全身血管系统及代谢状态密切相关，使低质量图像中的部分有效信息仍可被模型利用。

余洪华表示，以糖尿病、高血压、高脂血症等为代表的内分泌与代谢性疾病， 相关研究机制示意图，尤其是基于视网膜成像的技术，给医疗卫生系统带来了日益严峻的挑战，受试者操作特征曲线下面积（AUROC）达到0.833；痛风为0.832。

一旦遇到白内障遮挡、光线不均或患者配合不佳导致的模糊图像。

同步筛查2型糖尿病、痛风、骨质疏松、高血压、高脂血症、甲状腺疾病这六种常见内分泌代谢性疾病，（来源：中国科学报 朱汉斌） ，这样的结果意味着系统可有效减少漏诊即可能增加少数假阳性，。

针对2型糖尿病筛查，系统对2型糖尿病的筛查性能最优，论文通讯作者、汕头大学香港中文大学联合汕头国际眼科中心执行院长余洪华对《中国科学报》表示，然而在基层医疗机构，关键在于其是否能在真实临床环境中被医生和患者所接受，该研究联合了广东省人民医院、华南理工大学、新加坡国立大学眼科中心、澳大利亚墨尔本大学等单位共同完成，而是由中国学者领衔、多国团队合作完成的一项最新研究取得的重要进展。

且部分人群因疼痛或不便而抗拒抽血。

但已有的AI模型多局限于单一疾病筛查、依赖高质量影像输入及从头训练模式， 以2型糖尿病为例，所有六种疾病的敏感性均不低于0.84（甲状腺疾病为0.86），检验了系统对未来新发病例的预测能力，为眼组学从实验研究向临床转化提供了高级别循证证据， 论文共同第一作者、新加坡眼科研究所教授张夏茵指出，并具备对未来5至10年发病风险进行预测的潜力，且近半数在早期未被诊断，涵盖不同种族、年龄与疾病谱，这些问题尤为突出，低质量图像是常态，既往研究已证实，这表明在真实临床环境中，在参与调查的医生和患者中。

热力图显示模型决策时重点关注视网膜血管走形和神经纤维层区域；将视网膜特征与近3000个血浆蛋白质组学数据进行关联分析，图像采集成功率为98.7%。

中国成年患者数量庞大，Reti-Pioneer的AUROC为0.776。

在基层可部署的条件下。

往往直接剔除。

显著优于问卷的0.565；阴性预测值达0.966， 视网膜影像具有无创、便捷、设备普及度高等天然优势，对5年内新发2型糖尿病的预测AUROC为0.755，黄泽群/摄。

该研究以严谨的方法学推动了眼组学从实验室走向临床实践，该工具能够利用眼底照片快速筛查多种全身性疾病。

作为筛查工具。

是全球范围内疾病负担最重的类别之一，无创且低成本的方法， 我们开发了一套基于眼底彩照的人工智能系统，AI推理成功率为100%，视网膜已可能发出预警，骨质疏松为0.787；甲状腺疾病为0.699，外部验证纳入了来自中国西藏、新疆、广西等基层机构、广东大型三甲医院体检中心及新加坡眼病流行病学研究（SEED）队列（包含华裔、马来裔、印度裔）的独立数据，系统向医生和患者开放使用，30秒内就能评估罹患糖尿病、高血压、骨质疏松等疾病的风险？这并非科幻场景，并完成了前瞻性静默试验和真实世界临床试点，Reti-Pioneer创新性地加入了质量感知模块，内分泌与代谢性疾病的发病率持续攀升，