强强联合！国内跨学科团队研制“眼脑轴”基座模型，实现无症状脑梗及卒中精准筛查与预警

脑卒中是全球死亡和长期残疾的主要原因之一，也是糖尿病患者常见的大血管并发症之一，而其中“无症状性脑梗死”（SBI）更是广泛存在却难以被发现的“隐匿杀手”。数据显示，一般人群中SBI患病率高达20%，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。

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218名脑卒中患者的前瞻性干预研究发现，与临床数据模型相比，DeepRETStroke基于眼底图像进行风险分层，对高危组给予多维度强化干预（健康管理、血压控制、代谢指标改善等），显著降低了卒中复发风险，这为DeepRETStroke系统在指导卒中复发预防策略方面的临床应用提供了坚实的循证依据。

图2. DeepRETStroke系统概览及眼-脑垂域基座模型研究设计

DeepRETStroke系统的构建突破了卒中早期筛查对高成本脑影像技术的依赖，填补了卒中前“无声阶段”识别的技术空白，有望为高风险人群管理提供普惠化、可推广的解决方案。其在无需高端设备的条件下，仅通过一次眼底照相，即可完成对脑部微梗死的“窥见”与未来卒中风险的量化评估，还为个性化预防策略提供了可操作的见解，适用于糖尿病等高危人群的常规筛查和基层医疗场景。

随着人工智能技术的不断创新与持续进步，DeepRETStroke为构建“眼底—脑部”的AI预警生态系统奠定了基础。未来，研究团队将进一步推动DeepRETStroke系统的临床集成和转化工作，并探索其在神经系统疾病中的拓展应用场景。通过AI赋能视觉窗口，释放视网膜中的“脑信号”，DeepRETStroke有望成为新时代神经系统疾病管理的“前哨兵”。

黄天荫教授、盛斌教授、李华婷教授、贾伟平教授、戴琼海教授及王拥军教授为本文共同通讯作者。上海交通大学计算机学院博士生姜楠（导师盛斌教授）、清华大学医学院博士后纪宏伟（导师黄天荫教授）、上海交通大学医学院博士生管洲榆（导师贾伟平教授）、北京天坛医院研究员潘岳松、华中科技大学附属同济医院博士生邓晨心（导师张存泰教授）、清华大学脑与认知科学研究院副研究员郭雨晨、上海交通大学医学院博士后刘丹（导师贾伟平教授）以及上海市保健医疗中心陈婷丽主任为本文共同第一作者。本工作还得到了来自国家基层糖尿病防治管理办公室、华中科技大学、北京协和医院、北京同仁医院、中山大学中山眼科中心、香港中文大学等多个机构及专家团队的支持和帮助。此外，新加坡、美国、英国、丹麦及马来西亚等国的多学科专家团队给予了帮助和支持。DeepRETStroke系统及眼-脑垂域基座模型研发所需计算资源受到上海交通大学“交我算”计算平台和上海交通大学AI for Science科学数据开源开放平台的支持。

原文链接：