眼底疾病领域AI医学影像应用及发展趋势分析

7.1 眼底疾病介绍

7.1.1 常见眼底疾病人群及负担 

眼底遍布着丰富的血管与神经，与之相关的病种较为复杂多样。包括视网膜、视神经、眼底血管、脉络膜、黄斑等多部位均可能出现病变。

糖尿病视网膜病变 

糖尿病视网膜病变（diabetic retinopathy、DR，简称“糖网”）是糖尿病全身小血管病变在视网膜上的体现。它是由于长期高血糖导致的血管损伤，可能会引起视网膜的出血、渗出和肿胀，严重时可能导致视力丧失。糖尿病视网膜病变可根据是否有从视网膜发出的异常新生血管分非增殖性及增殖性两大类。

青光眼 

青光眼是一种损害视神经的眼部病症，其发病通常与眼内高压有关。但并非所有青光眼病例都与高眼压相关，近视或远视、高血压、糖尿病、眼部外伤史等均有可能导致青光眼的发生。

眼底病流行病学数据

眼科疾病十分普遍，患者基数大。WHO于2020年发布的《世界视力报告》显示，全球范围内患有糖尿病视网膜病变的人群高达1.46亿。同时，青光眼患者也已达7600万人。糖尿病视网膜病变是工作年龄人群首位的致盲眼病。根据2021年国际糖尿病联盟（IDF）统计，我国糖尿病人群数量居世界第一，患者数量超过1.4亿。研究表明，大约每3名糖尿病患者中就有1名DR患者。作为糖尿病的主要微血管并发症，DR所导致的眼盲和低视力已成为重大公共卫生问题。据WHO发布的《世界视力报告》中预测，老年性眼疾青光眼患者人数将在2020年（7600万人）至2030年（9540万人）间增长1.3倍。青光眼是40岁以上好发的疾病，随着人口老龄化 进程的 加快，患者 将越来 越多。一篇2007年发 表于《Archives of Ophthalmology》的文献估计，美国青光眼治疗的直接花费达29亿美元/年，已成为严重危害人类视觉健康和影响人类生活质量的公共卫生问题。

7.1.2 眼底疾病影像学诊断 

目前医学中广泛使用以下技术观察眼底，包括眼底镜、眼底相机、光学相干断层扫描（OCT）和眼科超声等。其中眼底相机检查是眼科基础检查之一，用于眼科后节疾病的诊断，可通过观察玻璃体。视网膜，视神经乳头和视网膜动、静脉，从视网膜的组织结构、形态、血管变化等眼底表现，推断患者所患疾病。

7.2 眼底疾病AI医学影像行业现状

7.2.1 AI辅助眼底疾病影像学诊断——糖尿病视网膜病变

眼底疾病检查 

由于多数眼底疾病初期表现不明显，且眼科专科医生资源稀缺以至于常规全身体检未能充分覆盖眼底检查，易导致眼底疾病漏诊。这一方面增加了后续治疗的难度，另一方面大大增加了医疗负担。

基于深度学习的病变检测，通过将待检测图像输入深度学习神经网络模型，经过分析与分类后输出检测结果，实现对病灶的精准定位。人工智能模型可以对糖尿病视网膜病变的诸多眼底临床特征进行检测，如对眼底出血点及黄斑水肿区域的快速检测，对微动脉瘤、渗出物进行检测与分割。

眼底疾病分期与分级 

在对糖网病症进行诊断后，往往需要临床医生对眼底图像进行观察以实现对糖网病程的分级与诊断。基于深度学习的糖网辅助诊断系统可以快速实现疾病诊断，通过对眼底疾病图像的综合评价和对现有分级标准的学习，对糖网病程进行分级。

眼底病预后的预测 

在糖尿病视网膜眼底病变的诊疗过程中，基于深度学习的人工智能算法还可以结合现有分级与分期提供预后和治疗建议。

7.2.2 AI辅助眼底疾病影像学诊断——青光眼 

眼底照相十分便捷经济，适合于在基层地区辅助大规模青光眼筛查。在进行眼底照相筛查后，青光眼患者还需要结合OCT与视野检查等的结果进行精确诊断。

7.2.3 眼底疾病AI医学影像已上市产品解析 

截至2024年6月，中国已上市9款人工智能眼底疾病辅助诊断软件，其中6款产品可检测糖尿病视网膜病变，1款产品对可疑慢性青光眼样视神经病变进行提示，1款产品可同时对以上2种疾病给出辅助诊断建议。鹰瞳科技的Airdoc-AIFUNDUS获批国内首张眼底AI医疗器械三类证，推动了眼科领域智能化医疗技术的应用与普及。此后，鹰瞳科技在持续深耕，在眼科疾病及慢性疾病诊断领域均取得重大突破。2021年，鹰瞳科技在港交所主板挂牌上市，成为医疗AI第一股。

7.3 眼底疾病AI医学影像行业发展趋势

实现对更多病种的识别

随着技术的进步，AI医学影像软件在眼底疾病诊断中的应用越来越广泛，能够识别和分析更多疾病类型，除糖尿病视网膜病变、青光眼外，AI在包括黄斑病变等多种眼底疾病中也得到了广泛研究，已有不少企业布局研发。

鹰瞳科技的Airdoc-AIFUNDUS，通过不断迭代更新，现已能快速诊断和评估包括糖尿病视网膜病变、高血压性视网膜病变、视网膜静脉阻塞、年龄相关视网膜黄斑变性、病理性近视、视网膜脱落、老年痴呆等在内的55种疾病，其糖尿病视网膜病变眼底图像辅助诊断软件获国家药监局（NMPA）首张眼科AI三类医疗器械证，获美国FDA、欧盟CE市场准入。早在2021年，广州中山大学中山眼科中心林浩添教授团队就已联合鹰瞳科技等单位，基于全国16家医疗机构训练出了可识别14种常见眼底异常的AI视网膜多病种辅助诊断系统，包括糖尿病、高血压等全身性疾病的眼部表现，以及青光眼、病理性近视、视网膜静脉阻塞、视网膜脱离等12种威胁视力的异常。此外国内多家公司也在持续跟进，发力眼底疾病AI医学影像识别，实现多种疾病的快速精准识别。

向集成化诊断平台发展

眼底筛查不仅可用于诊断眼科疾病，而且可以通过对眼底图像的异常诊断。如眼底血管栓塞、视网膜静脉搏动幅度等可以用于诊断如糖尿病、高血压、慢性肾病、阿尔兹海默病等疾病。

如在痴呆人群筛查上，因视网膜是脑部神经和血管的延伸，眼底图像可作为痴呆人群筛查的有效工具。北京大学团队与鹰瞳科技、同仁医院等多单位合作，构建AI模型识别痴呆高危人群并进行了内外部验证。结果显示，内部验证AUC达到了0.944，外部验证AUC达0.926，证实了该模型对痴呆高危人群预测的优秀能力。该项研究也是国际上首个结合人工智能技术和眼底照片信息识别痴呆高危人群的研究。

此外，中国台湾麦迪森医药与新加坡EyRIS开发的AI眼底诊断产品，通过对眼底图像的分析，不仅可以识别多种眼底疾病，还能检测3期及以上的慢性肾脏病，并评估心血管的健康程度；广东省医学院眼科团队也开发出“眼与心脑肾病智能化诊疗云平台”，通过将眼底彩照上传到云平台，实现对眼底图像的自动分割量化、视网膜年龄评估，并识别眼与心脑肾病风险，生成详细的发病风险预测报告；香港中文大学团队开发的通过眼底图像检测阿兹海默症的人工智能系统，检测准确度超过80%。

随着远程医疗的发展和支持基层医疗的需要，AI医学影像软件成为提升远程医疗服务的重要工具，特别是在医疗资源匮乏的地区。它通过提高基层医疗机构眼底图像的判读能力，有助于加强医疗服务的整体水平。

实现对预后的预测及跟踪

许多常见的眼底疾病属于慢性病症，需要对患者进行长期的监测和跟踪。深度学习模型可以辅助预测眼底疾病的患病风险、病情进展、治疗效果及监控患者状况。机器学习在预测眼底疾病发生的风险、预估湿性年龄相关性黄斑变性患者在治疗后视力或黄斑结构的改善情况、以及预测是否需要抗新生血管生长因子治疗方面，可以达到相当程度的准确性。