【今日医疗AI速递】Nature Medicine：AI眼底扫描精准锁定致病基因，多中心RCT证实诊断准确率提升21%
上海交大、清华联合开发Retina4IRD系统，通过AI分析眼底照片和OCT图像预测17种遗传性视网膜疾病基因型，随机对照试验显示AI辅助下top-5基因诊断准确率达88.5%。
一、研究背景
遗传性视网膜疾病（Inherited Retinal Diseases, IRD）是导致儿童和劳动年龄人群失明的主要原因之一。这类疾病由超过300个致病基因引起，不同基因导致的临床表现高度相似，而同一基因的不同突变又可能表现出迥异的症状——这种"临床异质性"使得IRD的精准诊断极度依赖多学科专家协作和基因检测。
然而，IRD基因检测的现状并不乐观：检测成本高昂、周期长达数月，患者往往需要辗转多家医院、咨询多位专家才能获得明确诊断。一项2025年的系统综述指出，该领域大多数AI研究仍停留在回顾性验证阶段，缺乏前瞻性临床试验数据。
2026年7月24日，上海交通大学医学院附属第一人民医院孙晓东教授、清华大学医学院黄天荫教授、上海交通大学盛斌教授联合团队在 Nature Medicine 发表重磅研究，开发出名为 Retina4IRD 的AI临床决策支持系统，并通过多中心随机对照试验（RCT）验证了其临床价值。
二、研究创新点
本研究的突破性体现在三个层面：
| 创新维度 | 具体优势 |
|---|---|
| 技术创新 | 基于RETFound眼科基础模型的Vision Transformer架构，仅凭眼底彩照即可实现高准确率预测 |
| 验证创新 | 跨中国、韩国、波兰三国的多民族外部验证，证明模型泛化能力 |
| 临床创新 | 首次通过前瞻性RCT证实AI辅助可显著提升眼科医生基因诊断准确率 |
研究共纳入1843名经基因确诊的IRD患者（3376只眼），覆盖17种基因型类别，这在IRD AI研究中属于最大规模的多国数据集之一。
三、技术原理
Retina4IRD采用经过 RETFound 预训练的Vision Transformer（ViT）模型。RETFound是一个视网膜基础模型，通过在超过70万张OCT图像和90万张彩色眼底照片上进行自监督学习，学会了识别视网膜的通用视觉模式。
Retina4IRD的工作流程如下：
- 输入：彩色眼底照片（CFP）+ 光学相干断层扫描（OCT）图像 + 临床元数据（年龄、病程、家族史）
- 处理：ViT将图像分割为小块（patch），学习各块之间的关系和重要性
- 输出：对17种基因型进行排序，给出最可能的top-5致病基因预测
令人意外的是，仅使用彩色眼底照片即可达到较高的预测准确率；加入OCT后性能进一步提升；而额外加入临床信息（年龄、病程等）带来的提升相对有限。这说明眼底影像本身已经包含了丰富的遗传学信息。
四、实验结果
验证结果
| 数据集 | Top-5 准确率 |
|---|---|
| 内部验证 | 90.4% |
| 中国7家医院外部验证 | 85.6% |
| 韩国外部验证 | 90.1% |
| 波兰外部验证 | 82.5% |
随机对照临床试验（核心亮点）
300名疑似IRD患者按1:1随机分配至两组，最终295名完成分析：
| 终点指标 | AI辅助组 | 医生单独组 | 提升幅度 |
|---|---|---|---|
| Top-1 准确率 | 37.8% | 22.4% | +68% |
| Top-5 准确率 | 88.5% | 67.3% | +31% |
| 管理决策评分 | 37.7 | 28.5 | +32% |
Retina4IRD还能有效区分IRD与表现相似的非遗传性疾病，AUC达到0.994，说明其具备极高的临床实用性。
五、应用前景
-
缩短诊断周期：在基因检测结果出来前（通常需数周至数月），Retina4IRD即可在数秒内给出可能的基因型排序，帮助医生快速锁定方向、减少不必要的检测项目。
-
赋能基层医疗：不具备遗传专科医生的基层医院，也能通过AI获取高水平的基因诊断参考，大幅缩小医疗资源差距。
-
加速临床试验：高效筛选潜在入组患者，辅助新药和基因治疗研发的患者招募。
-
可解释性保障：热力图分析显示，模型关注区域主要集中在视网膜病变区域，删除这些区域后预测能力急剧下降，证实模型真正学习到了病灶特征而非背景噪声。
六、结论
Retina4IRD是全球首个通过前瞻性多中心RCT验证的眼科AI基因诊断系统。它的意义不仅在于技术指标——更重要的是，它证明了 AI辅助医生 而非 AI替代医生 的模式在罕见病精准诊断中的可行性。医生负责临床判断和决策上下文，AI负责提供模式识别和知识检索能力，人机协同正在成为精准医学的标配。
这项研究也为我们提供了启示：在思陌智能体定制的实践中，无论是临床决策支持、科研文献分析还是知识问答，人机协同才是最适合医疗场景的AI落地方案。
参考文献
Jia H, Qian B, Qu Y, et al. AI-based clinician decision support system for diagnosis of inherited retinal diseases: a multicenter, randomized trial. Nature Medicine. 2026. doi:10.1038/s41591-026-04545-w. PMID: 42498742.