首都医科大学附属北京同仁医院、首都医科大学附属北京友谊医院、爱康集团与鹰瞳Airdoc联合研发并验证了一种深度学习模型，能够通过视网膜眼底彩照筛查甲状腺功能亢进。相关研究成果在数据科学领域顶级期刊《J
近年来，甲状腺疾病呈现高发趋势。然而由于发病隐匿，多数甲状腺疾病患者未被及时诊断，容易因漏诊、误诊贻误病情。
近日，首都医科大学附属北京同仁医院、首都医科大学附属北京友谊医院、爱康集团与鹰瞳Airdoc联合研发并验证了一种深度学习模型，能够通过视网膜眼底彩照筛查甲状腺功能亢进。相关研究成果在数据科学领域顶级期刊《Journal of Big Data》（影响因子：10.835）发表。
该研究是全球首个采用无创方法，而不是血液生化检查和系统生物标志物来诊断甲状腺功能亢进的研究，同时也是首个基于人工智能评估视网膜特征与甲状腺功能亢进关系的研究，研究结果揭示了基于眼底照片自动筛查甲状腺疾病的可能性。
甲状腺功能亢进，简称“甲亢”，是一种全球常见的甲状腺功能障碍，它是由于甲状腺激素合成和分泌过高而引起的一种甲状腺毒症，可能会对健康造成严重的后果。由于在普通人群中采用诊断金标准进行甲亢筛查不具成本效益，导致较高概率的甲亢患者未被诊断和治疗，从而带来不良的预后和治疗成本的增加，因而亟需一种更具成本效益的甲亢检测方法。
这项多中心研究纳入了全国各地的26家医疗机构中，采用不同眼底相机拍摄的超过两万张视网膜照片，旨在建立一个基于视网膜照片来检测甲亢的深度学习系统。
为了验证结合眼底彩照的深度学习模型是否对甲亢本身具有较好的识别能力，而非受其他生物信息因素的辅助，研究人员训练并验证了两个模型，分别是采用随机选择的对照组（模型1）、以及年龄和性别匹配的对照组（模型2）。
研究结果显示，在内部验证中，模型1和模型2对于甲亢患者的识别准确率均较高，AUC(受试者曲线下面积）分别达到 0.907和0.850。这表明深度学习系统能够不受年龄和性别等人口统计学参数影响做出甲亢检测。
研究人员进一步对性能表现更为优异的模型1进行了外部验证，结果显示模型1的AUC范围为0.816（95%CI 0.789–0.846）至0.849（95%CI 0.824–0.874）。
此外，研究人员对模型预测的结果使用热力图进行了可视化，以此来探明模型作出决策的依据。在热图可视化中，显著性突出了甲亢患者眼底图像上的血管主干区域和视神经头区域。这表明模型在决策过程中依赖固定的标志物信息进行诊断。
综上所述，该研究所提出的模型具有良好的泛化性能，并且能够适用于包含不同眼底彩照设备的多种不同场景。因此，将构建的深度学习系统应用于视网膜眼底彩照筛查中，可被视为一种成本较低、高效且无创的检测甲状腺功能亢进的方法。
北京同仁医院眼科董力医师、惠诗淇硕士，北京友谊医院眼科罗丽华医师，以及鹰瞳Airdoc工程师为本研究共同第一作者；北京同仁医院眼整形科主任医师，亚太眼整形学会前任主席李冬梅教授为本研究通讯作者。
