Nat Med：上海交通大学孙晓东等研发AI辅助系统，破解遗传性视网膜眼病诊断难题

遗传性视网膜疾病（IRDs），主要由单基因突变引起，是儿童和劳动年龄个体致盲的主要原因。尽管各自罕见，但它们共同影响全球超过500万人。迄今为止，已有超过300个核基因和线粒体基因被确认与IRDs相关。精确的遗传诊断是靶向治疗选择、预后评估和遗传咨询的关键第一步。

然而，IRDs的诊断范式面临重大挑战，因为它们严重依赖资源密集型方法，通常需要在专科中心的多学科团队以及整合全面的眼科评估，包括下一代测序（NGS）、家系分离分析，在某些情况下甚至需要功能验证。

这种复杂的工作流程导致诊断时间延长、成本高且可及性有限，使超过40%的IRD患者没有明确的基因诊断。这些挑战因全球缺乏擅长解读遗传性视网膜疾病的眼科专家而加剧，特别是在资源有限的环境中，误诊或诊断延迟常常超过5年。

这种延迟可能使潜在可治疗的患者错过先进治疗的关键治疗窗口，特别是基因疗法等突破性疗法。此外，诊断不足也可能导致错失临床试验入组机会，并阻碍目标人群的有效识别，可能抑制制药公司在基因疗法开发上的投资。此外，患者随着时间推移咨询多位临床医生时，其诊断常常发生变化，从而产生对更可及且成本效益更高的诊断解决方案的迫切需求。

图1.视网膜4IRD系统的开发和验证的总体研究设计（摘自Nature Medicine）

尽管人工智能（AI）已彻底改变了视网膜疾病筛查，但AI在IRD筛查和基因型预测中的应用在很大程度上仍不成熟，尽管已有初步研究。当引入时，迄今为止最先进的AI系统Eye2Gene代表了变革性的飞跃，其遗传预测的top-5准确率为83.9%。

然而，目前存在可能限制其更广泛临床应用的局限性。首先，Eye2Gene依赖于由Heidelberg Spectralis获取的影像，该设备目前在初级保健或非专科医疗机构中尚不普遍可用，从而限制了在资源有限环境中的实施。使用更广泛可用的眼底影像数据进行预测可能代表一种更有前景的方法。

其次，最新版本的Eye2Gene研究未包含遗传方式和发病年龄，尽管在早期的Eye2Gene工作中已包含，但这些信息可能增强模型的诊断准确率。最关键的是，缺乏通过随机对照试验（RCTs）进行的前瞻性验证以证明其真实世界适用性。

为填补这些空白，作者提出了Retina4IRD——一种新颖的基于基础模型的AI系统，专门设计用于IRD的基因型预测，通过对彩色眼底照相（CFP）、光学相干断层扫描（OCT）和医学元数据的多模态分析来模拟临床医生的推理过程。

作者使用经RETFound预训练的Vision Transformer模型来开发Retina4IRD，该模型在中国、韩国和波兰九个中心的1,843例基因确诊病例（3,376只眼）上进行了训练并随后进行了验证。Retina4IRD生成候选致病性遗传变异排序列表，并可生成注意力热图以提供决策可视化。

为验证其临床疗效，作者在300名疑似IRD参与者中进行了一项前瞻性多中心RCT，比较Retina4IRD辅助专家臂与纯专家臂，以评估Retina4IRD作为临床工作流程中正式基因检测前的预检临床医生决策支持系统（CDSS）的诊断准确率和真实世界实用性。

参考消息：https://www.nature.com/articles/s41591-026-04545-w