基于人工智能的眼底图像分析在代谢性综合征早期筛查与风险评估中的应用.pptx

11在代谢性综合征早期筛查与风险评估中的应用2对冠心病及心脑血管事件的预测价值眼底照相AI量化分析

一、基于人工智能的眼底图像分析在代谢性综合征早期筛查与风险评估中的应用

01一、研究背景与意义PART01

研究背景代谢性综合征（MetS）是心血管疾病和2型糖尿病的高危前兆，全球患病率持续上升，中国糖尿病患者已达1.298亿，其中约34.5%伴有糖尿病视网膜病变（DR），给社会和家庭带来沉重负担。MetS现状眼底视网膜是唯一可直接观察的微血管系统，其变化（如动脉狭窄、渗出、微动脉瘤）与MetS组分（高血压、高血糖、血脂异常）显著相关，为早期筛查MetS提供了潜在途径。眼底与MetS的关系AI眼底技术进展AI眼底技术应用于DR筛查，预测5年内DR进展。眼底AI还可评估高血压、心血管风险（以上已有相关研究），应用前景广阔。

研究意义临床价值通过AI赋能基层医疗，解决MetS早期筛查资源不足的痛点（如我国眼科医生与患者比例达1:3000），提高筛查效率和准确性，使更多患者能够及时得到诊断和治疗，降低并发症发生率。推动无创筛查技术发展，为MetS的早期诊断和干预提供新的科学依据科学价值

02二、研究目标PART02

主要目标基层医疗可行性评估眼底特征与MetS严重程度相关性探索评估AI眼底筛查在基层医疗中的可行性（如操作时间、成本效益），为基层医疗的推广和应用提供参考，促进医疗资源的合理配置。探索特定眼底特征（如血管迂曲、出血）与MetS严重程度的相关性，为临床评估和治疗提供新的指标和依据，有助于个体化治疗方案的制定。

03三、研究方法PART03

纵向队列研究研究类型**病例组**：符合IDF标准的MetS患者（n≥1000），按组分分层（如单纯肥胖、糖尿病合并高血压），确保样本的多样性和代表性，为研究不同组分的MetS提供充足的数据支持。**对照组**：年龄/性别匹配的健康人群（n≥1000），与病例组进行对比分析，有助于准确评估AI模型的性能和眼底特征与MetS的关系。研究人群基于既往AI模型估算每组需≥800例，确保研究结果的统计学意义和可靠性，为模型的开发和验证提供足够的数据保障。样本量估算

数据收集**MetS诊断指标**：收集腰围、血压、空腹血糖、HDL-C、TG等MetS诊断指标，为验证提供准确的临床数据支持，确保准确性和可靠性。**其他协变量**：收集HbA1c、BMI、吸烟史、心血管病史等其他协变量，全面评估患者的健康状况，提供更丰富的数据信息。01采用免散瞳眼底相机AI一体机，提取血管形态特征如AVR、血管密度、微动脉瘤、出血、渗出（AI提供的所有量化数据）。02临床数据收集眼底影像收集

研究方向按疾病程度统计分析AI数据在不同程度疾病的统计学意义，为疾病控制随访监测指标提供多样化支持。分析AI数据在两组之间的统计学意义，为预警和早筛提供量化支持。病例组VS正常组对比

二、基于多模态人工智能的眼底影像学特征对冠心病及心脑血管事件的预测价值：一项前瞻性队列研究

01.研究背景与科学依据02.研究目标03.研究方法目录CONTENTS

01研究背景与科学依据

流行病学现状心血管疾病危害全球心血管疾病年死亡人数超1800万，中国冠心病患者达1139万，早期筛查手段匮乏，视网膜微血管改变与冠状动脉病变及脑卒中风险显著相关。

技术突破新加坡SIVA系统可精准测量视网膜血管直径（误差3μm），GoogleHealth视网膜CV风险模型（AUC=0.70）获FDA突破性设备认定。01《NatureBiomedicalEngineering》研究证实，眼底AI可预测5年心梗风险（C-index=0.73）。02AI眼底技术进展必威体育精装版研究进展

02研究目标

研究目标探索预测效能探索眼底AI模型对主要不良心血管事件（MACE）的预测效能。构建预警流程构建适用于基层医院的“眼底照相-心血管风险”实时预警流程03研究方法

前瞻性队列研究，推荐3年随访。研究类型病例组：心血管疾病人群，心血管事件阳性人群对照组：年龄匹配的健康人群（n=800）。研究人群估算需1000例。样本量计算

数据采集目前数据来源：病史、颈动脉超声（IMT厚度）、心血管相关检查。难点：金标准检查眼底相机眼底影像采集AI采集要点重点采集血管形态学特征，为后续分析提供高质量数据。

研究方向分析视网膜异常数据在心血管疾病的发生及不同程度的阳性事件中有无量化阈值辅助意义。分析AI数据对发生心血管阳性事件方向的数据支持表现。