人工智能提取的视网膜血管参数在预测新发2型糖尿病中的增量价值

《Diabetes Research and Clinical Practice》:Incremental value of AI-derived retinal vascular parameters for predicting incident type 2 diabetes

【字体: 大 中 小 】 时间:2026年10月10日 来源:Diabetes Research and Clinical Practice 4.6

编辑推荐:

   •AI衍生的FDa和动脉扭曲度与新发2型糖尿病相关。•在ADART基础上添加FDa和atts可适度改善风险判别能力。•增量性能在英国生物样本库中获得了内部验证。•局部再校准改善了BRAVE队列中的绝对风险一致性。•视网膜成像可能补充非侵入性2型糖尿病风险评估。引言2型糖尿病在

  
  • •
    AI衍生的FDa和动脉扭曲度与新发2型糖尿病相关。
  • •
    在ADART基础上添加FDa和atts可适度改善风险判别能力。
  • •
    增量性能在英国生物样本库中获得了内部验证。
  • •
    局部再校准改善了BRAVE队列中的绝对风险一致性。
  • •
    视网膜成像可能补充非侵入性2型糖尿病风险评估。

引言

2型糖尿病在全球范围内正迅速构成日益严峻的健康威胁。2型糖尿病隐匿的发病过程凸显了早期、准确识别高风险个体以实施针对性预防策略的迫切需要。目前,临床实践主要依赖传统的非侵入性风险预测工具,例如美国糖尿病协会风险测试(ADART)[1]。尽管这些问卷在人群水平筛查中具有高度的可扩展性[2],但其个体水平的预测精度仍不够理想[3]。这一局限性主要源于这些模型基于宏观的人口学和临床因素(如年龄、身体质量指数和家族史)构建,而它们本质上无法捕捉通常在系统性血糖紊乱前数年出现的早期亚临床微血管病变[4], [5]。
微血管功能障碍现已被认为不仅是代谢性心血管疾病的晚期并发症,更是其核心病理生理驱动因素[6]。视网膜微血管提供了观察全身微循环的独特、非侵入性"窗口"。来自纵向队列的累积证据表明,视网膜血管直径的特定改变,如动脉狭窄[7]和静脉扩张[8],在临床发病前与新发2型糖尿病的较高风险独立相关。然而,传统参数提取方法费时费力且主观性强,这可能是研究间可重复性差的主要原因。此外,既往研究对于哪些血管表型最具预测价值得出了不一致的结论[9], [10],限制了其在大规模筛查中的效用[11]。
人工智能(AI)领域的最新进展,特别是应用于医学影像的深度学习算法,已经革新了眼部图像分析[12]。AI能够对复杂的视网膜血管网络进行自动化、快速且高度客观的定量分析,超越简单的血管直径测量,涵盖分形维度和扭曲度等复杂拓扑和几何表型。分形维度反映了视网膜血管网络的分支复杂性和空间填充能力,而扭曲度则描述了动脉或静脉段的几何弯曲度。这些基于几何的特征可能捕捉到CRAE、CRVE或AVR未能完全反映的微血管重塑[13], [14]。基于我们先前验证过的用于全面视网膜参数提取的深度学习框架[15],我们假设AI衍生的微血管几何指标可作为2型糖尿病风险预测的更优亚临床生物标志物。
因此,本研究旨在评估将这些AI衍生的视网膜结构参数纳入已建立的传统风险评分(ADART)是否能增强新发2型糖尿病的预测能力并支持更早的代谢性心血管风险分层。为确保稳健性和泛化能力,我们的扩展模型在大规模英国生物样本库队列中开发和内部验证,并在独立的基于社区的亚洲人群——北京衰老与血管研究(BRAVE)队列中进行外部验证。

章节摘要

数据来源与研究设计

英国生物样本库是一个拥有超过50万名40至69岁参与者的大型纵向志愿者队列,于2006年至2010年间招募,具有长期随访以及全面的健康、生化、遗传和影像数据[16], [17]。英国生物样本库研究经西北多中心研究伦理委员会批准(参考编号:299116)。BRAVE研究是2019年在北京建立的一个基于社区的队列,基线时招募了1554名40至83岁的居民。

基线特征

表1比较了英国生物样本库推导组和内部验证组以及外部BRAVE队列的基线特征和随访概况。英国生物样本库的两个组别基线特征相似,反映了参与者的随机分配。在推导组(n = 44,778)中,平均年龄为57.5 ± 8.1岁,54.4%为女性。与英国生物样本库推导组相比,BRAVE参与者年龄更大、女性比例更高、当前吸烟者更多,以及

讨论

在这项涉及来自两个地理不同队列的65,127名参与者的大型纵向研究中,较低的视网膜血管结构复杂度与新发2型糖尿病的较高风险相关。在ADART基础上添加AI衍生的几何视网膜特征,在英国生物样本库中提供了具有统计学意义的风险判别和重新分类改善。在BRAVE队列中,模型显示了判别能力的外部验证,但重新分类指标和校准支持了

局限性

本研究存在若干局限性。首先,队列间结局判定方法不同。在英国生物样本库中,新发2型糖尿病主要通过关联住院记录和自报诊断来识别,而在BRAVE队列中,新发2型糖尿病的定义使用了生化标准、药物使用和自报医生诊断。值得注意的是,BRAVE队列中未纳入2小时负荷后血糖检测,因为缺乏可用数据,这可能导致2型糖尿病漏诊以及

结论

总之,AI衍生的视网膜血管结构参数,特别是FDa和atts,在ADART之外为新发2型糖尿病提供了可测量的增量预测信息。这些发现表明,视网膜AI标志物可能作为糖尿病风险评估的可扩展补充指标,但在临床应用前,仍需在大型队列中进行前瞻性验证、针对特定人群的再校准以及成本效益评估。

CRediT作者贡献声明

杨鑫清:概念化、数据管理、形式化分析、调查研究、方法论、撰写——原稿、撰写——审阅与编辑。周思瑾:可视化。刁旭阳:验证、可视化。朱梦涵:验证、可视化。潘阳:验证、可视化。戴艺文:验证、可视化。马晶雅:验证、可视化。刘雨凌:验证、可视化。黄星合:验证、可视化。邱廷轩:可视化。常相超:

伦理声明

已获所有参与者或其法定代表人的书面知情同意,同意参与研究并发布本文章。已遵守参与者的隐私权。
本研究严格遵守了研究所在地的相关法律法规、法规框架和指导方针。
本研究经西北多中心研究伦理委员会、北京大学生物医学伦理委员会批准。
(批准号:299116;IRB0001052-19060;

伦理批准与参与同意

英国生物样本库研究经西北多中心研究伦理委员会批准(参考编号:299116)。BRAVE研究经北京大学生物医学伦理委员会机构审查委员会批准(IRB0001052-19060和IRB0001052-20097)。所有参与者在数据收集前均提供了书面知情同意。

资金资助

本研究由北京市健康改善与科研资金(2024-2G-4253)、国家自然科学基金委员会(82373665)以及中国医学科学院非盈利中央研究院基金(2021-RC330-001)资助。

利益冲突声明

作者声明以下可能被认定为潜在利益冲突的财务利益/个人关系:多位共同作者(周思瑾、邱廷轩、常相超、牛明燕、熊建豪、葛宗远)隶属于北京京颐健康科技有限公司,该公司开发了本研究中用于提取视网膜血管参数的视网膜图像分析算法。他们的贡献与视网膜图像处理及AI衍生血管

致谢

感谢所有人员、资助机构和版权持有人对英国生物样本库的建立、发展和持续支持做出的重大贡献,并批准我们的数据访问申请(项目编号90492)。
杨鑫清|周思瑾|刁旭阳|朱梦涵|潘阳|戴艺文|马晶雅|刘雨凌|黄星合|邱廷轩|常相超|牛明燕|熊建豪|葛宗远|谢吴香|郑凡凡
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号