夜雨聆风日前，广东省人民医院（广东省医学科学院）余洪华，华南理工大学吴永贤，新加坡国立大学Ching-Yu Cheng和墨尔本大学朱卓婷共同通讯（张夏茵、李沁怡、梁殷浩、赖春然为共同第一作者）在Nature Medicine 在线发表题为“AI framework for multidisease detection via retinal imaging”的研究论文。
该研究构建了一种基于眼底彩照的多病种联合筛查AI框架，通过集成多模态临床数据与多种预训练视觉基础模型，实现了对2型糖尿病、高血压、高脂血症、痛风、骨质疏松症及甲状腺疾病六种常见内分泌代谢性疾病的同步筛查与中长期风险预测。
研究进行了多中心的外部验证，并完成了前瞻性静默试验和真实世界临床试点，为“眼组学”从实验研究向临床转化提供了高级别循证证据。
眼科AI从“单打独斗”走向“多病同筛”
长期以来，眼科AI的研发主要集中在单一眼病识别领域，针对糖尿病视网膜病变、青光眼等致盲性眼病的AI诊断技术虽已成熟，但临床价值始终局限于专科场景。而Reti-Pioneer的突破在于将眼底影像的诊断边界从眼科疾病拓展至全身内分泌代谢系统，实现了“一次检查、多病预警”的临床价值。
根据2026年最新发布的眼科AI行业研究报告，当前眼科AI辅助诊断系统正从早期的单一病种识别向多模态、高精度方向演进，预计未来五年市场复合年增长率将超过30%，基层医疗下沉政策将成为AI技术重构眼科诊疗生态的核心引擎。而Reti-Pioneer的落地，可以填补多病种联合筛查的技术空白，为基层医疗机构提供了低成本、高效率的慢病筛查工具。
打通产学研转化最后一公里
除了技术本身的突破，Reti-Pioneer的学术价值还在于为眼科AI的临床转化提供了可复制的路径。在研究过程中，作者构建了一个多模态数据集，包含不同图像质量的眼底照片以及配套的结构化临床元数据。该数据集特意采集自社区性的英国生物样本库（UK Biobank, UKB）及中国三级医院登记系统，共纳入107,730张眼底照片（来自53,865名个体）。其次，作者开发了一种多模态学习模型，该模型整合了不同质量的眼底照片与结构化临床元数据。
在5月底举办的第十七届国际眼科论坛上，眼科AI临床转化成为核心议题，与会专家一致认为，Reti-Pioneer的落地将推动我国眼科AI产业从技术竞赛转向“精准度+适配性”的双重攻坚，未来将有更多基于眼底影像的全身疾病筛查技术进入临床。
目前，该模型已在汕头国际眼科中心东海岸院区启动临床试点，下一步将逐步向粤港澳大湾区基层医疗机构推广，预计每年可覆盖超100万人群的慢病筛查，大幅提升内分泌代谢病的早期诊断率。
该模型的核心意义，可能正如余洪华教授在第十七届国际眼科论坛上所言：“眼科AI的终极价值不是替代医生，而是让优质医疗资源覆盖到每一个需要的人，用技术缩小区域间的医疗差距。”
声明：以上内容综合摘抄、整理自汕头大学官方网站、iNature公众号、相关学术论文等，如有侵权请联系删除
