国际成果|欧视手持式AI眼底相机Aurora采集眼底影像在脑卒中评估的应用价值研究

脑卒中是全球范围内导致死亡和残疾的重要原因之一。如何更准确、更及时地识别脑卒中及相关风险，一直是临床医学和数字医疗技术共同关注的重要方向。

近期，采用欧视手持式AI眼底相机Aurora采集眼底影像在脑卒中评估的应用价值研究成果《Advanced Assessment of Stroke in Retinal Fundus Imaging With Deep Multi-View Learning》，发表在全球人工智能和生物医学工程等交叉技术领域具有重要影响力的平台IEEE Transactions on Neural Systems and Rehabilitation Engineering。该研究探索了利用眼底影像结合深度多视角学习，对脑卒中和短暂性脑缺血发作（transient ischemic attack，TIA）进行评估的可行性。

该研究由来自芬兰VTT 技术研究中心（芬兰国家级应用研究机构）、Optomed及芬兰库奥皮奥大学医院（芬兰国家医疗体系中的核心大学附属/教学医院之一）的研究团队共同完成，Optomed 临床专家 Petri Huhtinen 参与其中。研究使用欧视手持式AI眼底相机Aurora采集双眼、多视角眼底图像，并提出多视角脑卒中网络 MVS-Net，用于区分脑卒中、TIA 和健康对照人群。

一、论文概览：欧视手持式AI眼底相机Aurora参与的国际研究成果

该研究聚焦于一个重要问题：眼底影像是否能够帮助识别脑卒中或TIA患者与健康人群之间的差异？

论文指出，眼底影像能够显示一些与脑卒中风险升高相关的眼部标志，例如视网膜静脉扩张、小动脉变窄以及血管迂曲度增加。相比部分传统影像方式，眼底图像采集具有简单、无创、快速和成本较低等特点，因此研究团队希望进一步评估其在脑卒中筛查或诊断辅助应用中的潜在价值。

在本研究中，研究团队提出了一种名为Multi-View Stroke Network（MVS-Net）的深度学习网络。该模型整合来自双眼的多视角眼底图像，包括黄斑中心视图和视神经乳头中心视图，用于分析脑卒中、TIA 与健康对照之间的差异。

二、研究背景：脑卒中评估仍需要新的辅助工具

脑卒中是脑血管疾病中最严重的临床表现之一。论文中指出，根据世界脑卒中组织相关统计，全球每年约有1220万例新发脑卒中，并造成约 650万例死亡。虽然年龄是重要的人口学风险因素，但脑卒中并不只发生在老年人群中，约 16% 的脑卒中发生在15—49岁人群。

目前，脑卒中早期识别通常依赖院前脑卒中量表、脑电图以及影像学检查等方法。CT和 MRI 等神经影像技术在脑卒中识别中具有重要地位，但在时间、成本、可及性等方面仍存在现实挑战。

因此，临床和研究领域一直在探索新的补充性评估方式。眼底影像正是在这一背景下受到关注：它并不是替代传统神经影像检查，而是可能为脑卒中风险评估、早期分诊和辅助识别提供新的信息来源。

三、眼底依据：视网膜中的血管健康信息

为什么眼底影像可能与脑卒中有关？论文指出，视网膜与大脑在解剖学、胚胎学和生理学方面具有相似性。由于视网膜血管与脑血管之间存在一定相似性，视网膜微血管的变化可能反映脑血管相关风险。研究中提到，与临床和亚临床脑血管疾病相关的眼底异常包括：

视盘附近小动脉纤维性增厚
视网膜静脉扩张
微动脉瘤
血管迂曲度增加
小动脉变窄
棉絮斑等

这些内容也进一步提示我们：眼底并不只是观察眼科疾病的区域，它也是人体微血管状态的重要观察窗口。通过眼底影像，医生和研究人员有机会观察到与眼部健康、血管健康甚至全身疾病风险相关的变化。

四、研究目标：探索眼底影像识别脑卒中与TIA的可行性

本研究的核心目标，是评估眼底影像结合深度学习方法，在区分以下三类人群中的可行性：

脑卒中患者
短暂性脑缺血发作（TIA）患者
健康对照人群

研究团队希望通过双眼、多视角眼底图像，建立一种能够分析更多视网膜区域信息的深度学习方法。与既往部分研究不同，本研究不仅纳入脑卒中患者，也纳入了TIA 患者。论文指出，该 Stroke-Data 数据集具有一定开创性，因为它首次纳入了 TIA 患者的眼底影像，同时也包含脑卒中患者和健康对照人群。

五、图像采集：基于欧视手持式AI眼底相机Aurora的双眼多视角影像

本研究的数据来自芬兰奥卢大学医院和库奥皮奥大学医院，采集时间为2021 年至 2022 年。研究在 Stroke-Data 项目下开展，并获得相关伦理委员会批准，同时芬兰药品管理局 Fimea 批准了该医疗器械临床试验和性能评估。

研究共纳入220名参与者，包括：

组别	人数
健康对照组	121人
脑卒中患者	73人
TIA患者	26人

研究共采集802张眼底图像。在图像采集过程中，研究护士在医院脑卒中单元使用欧视手持式AI眼底相机Aurora采集视网膜眼底图像。研究按照制造商提供的特定研究方案进行图像采集。每位受试者采集双眼眼底图像，每只眼睛采集两个视图：黄斑中心视图和视神经乳头中心视图。

论文还提到，整个测量流程约5分钟，类似使用普通数码相机拍摄。欧视手持式AI眼底相机Aurora具有图像质量分析工具，可提供关于反光、曝光和清晰度的信息；在采集过程中，眼底相机界面会显示每张图像，帮助研究护士根据图像质量决定保存图像或重新拍摄。这也说明，快速、无创、规范化的眼底图像采集，是开展此类眼底影像研究的重要基础。

六、模型方法：MVS-Net多视角深度学习网络

本研究提出的MVS-Net 是一种多视角脑卒中网络。它的特点是并不只分析单张眼底图像，而是将每位受试者的四张眼底图像共同作为输入：

这种多视角设计的目的，是让模型能够分析更广范围的视网膜区域。论文指出，既往很多基于眼底图像的脑卒中检测研究只使用单眼或单一视角图像，而这在真实临床场景中可能存在局限。因为脑卒中相关异常未必只在某一只眼或某一个视图中显现。双眼、多视角图像可以提供更丰富的信息，有助于提高分析的可靠性。

在模型训练方面，研究采用了多种深度学习骨干模型，包括ResNet50、Xception、DenseNet-121、Inception-v3、VGG19 和 BigTransfer 等用于从双眼、多视角眼底图像中提取特征。为减少单次训练带来的偶然性，研究还采用了5折交叉验证；同时通过数据增强和迁移学习，让模型在有限样本下更充分地学习图像特征。

七、主要结果：AUC 0.84显示初步探索价值

在二分类任务中，研究将脑卒中和TIA 合并为阳性类别，目标是区分“脑卒中/TIA”与“健康对照”。结果显示，使用ResNet50 作为骨干模型时，MVS-Net 在脑卒中/TIA 检测中达到最高 AUC 0.84，敏感性为 0.69。使用 Xception 作为骨干模型时，模型取得最高 F1-score 0.71 和准确率 0.76。

在多分类任务中，模型进一步尝试区分健康对照、脑卒中和TIA。结果显示，ResNet50 在健康对照、脑卒中和 TIA 三类任务中分别取得约 0.81、0.77 和 0.71 的 AUC。论文也指出，TIA的区分最具挑战性。这一点与临床实践中的观察一致：TIA 本身在医学诊断中也具有较高难度，患者在急性期可能与脑卒中有相似表现，而恢复后又可能接近健康状态。

研究还比较了多视角方法与单视角方法。结果显示，当模型仅使用单视角眼底图像进行训练时，AUC出现明显下降。论文认为，与单视角方法相比，双眼、多视角眼底图像能够提供更完整的视网膜信息，在本研究中表现出更好的检测效果。

八、研究价值：为早期分诊与风险评估提供补充思路

论文讨论部分指出，脑卒中评估需要新的诊断工具，尤其是在紧急情况下，能够帮助识别脑卒中症状并尽快将患者转运至医院。

本研究结果显示，基于眼底影像的深度学习方法能够识别脑卒中/TIA患者与健康对照之间的差异。这提示眼底影像在脑卒中筛查、风险评估或诊断辅助中具有潜在价值，因为它能够反映患者可能存在的血管风险因素。

论文进一步提出，如果这类方法未来能够嵌入眼底相机软件中，可能有助于标准化脑卒中相关评估流程。尤其在医院和神经科医生可及性有限的偏远地区，非侵入性、低成本的眼底影像方法，可能为早期分诊和风险识别提供补充工具。

从更广泛的健康管理角度看，这项研究也再次提示：眼底影像不只属于眼科检查。视网膜血管作为人体微血管系统的一部分，可能为观察血管健康和全身疾病风险提供重要线索。

需要特别强调的是，论文并未认为眼底影像可以替代CT 或 MRI 等神经影像检查。研究团队明确指出，虽然AUC 0.84 对检测任务而言表现较好，但对于脑卒中这样严重的疾病，这一结果仍不足以作为最终诊断依据。尤其在涉及 tPA 溶栓等高风险治疗决策前，神经影像检查仍然是必要的。因此，眼底影像在这里更适合被理解为一种早期分诊和及时识别的补充工具，而不是替代现有脑卒中诊断流程的独立手段。

结语：从眼底影像，看见更多健康信息

眼底是人体少数可以直接观察微血管状态的部位之一。通过眼底影像，医生和研究人员不仅可以观察视网膜、视神经和黄斑等眼部结构，也有机会进一步探索眼底血管变化与全身健康风险之间的联系。

这项来自芬兰团队的研究，基于欧视手持式AI眼底相机Aurora采集的双眼、多视角眼底图像，结合深度学习方法，探索了眼底影像在脑卒中和 TIA 评估中的潜在价值。其意义不仅在于提出了一种新的研究方法，也在于进一步拓展了我们对眼底检查价值的理解。

随着便携式眼底相机、人工智能和远程医疗技术的发展，眼底影像正在从传统眼科检查场景，逐步走向更广泛的慢病管理、风险评估和基层健康筛查场景。

欧视医疗也将持续关注眼底影像技术在临床研究和真实世界应用中的进展，让更多人了解眼底检查的重要性，理解眼底这一“小窗口”背后所连接的健康信息。

（参考来源：Degerli A, Hilvo M, Pajula J, Huhtinen P, Jäkälä P. Advanced Assessment of Stroke in Retinal Fundus Imaging With Deep Multi-View Learning. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2026.）