近期，中山大学多学科研究团队牵头研发一款基于眼底彩照的无创智能肾病诊断系统，通过输入患者的眼底图像，可实现慢性肾脏病早期筛查、无创病理诊断及预后预测。相关研究成果于7月29日在国际学术期刊《自然-通讯》杂志发表。
眼睛可以反映全身健康。随着眼科成像和人工智能技术的飞速发展，眼睛作为监测人体健康状态的“窗口”发挥着越来越重要的作用。
中山大学中山眼科中心林浩添教授与中山大学附属第一医院肾病科陈崴教授团队牵头，在2021年7月联合国内外多家医院成立“眼肾联盟”，致力于推动基于眼部图像的人工智能技术在肾脏疾病管理中的创新应用。团队前期收集了13144张眼底图像，并建立多模态机器学习模型，研发了基于眼底彩照的无创智能肾病诊断系统。
8月1日，中山大学中山眼科中心林浩添教授使用无创智能肾病诊断系统进行筛诊。
据林浩添介绍，通过输入受检者的眼底图像，该系统可智能识别其是否患有慢性肾脏病，并且在识别不同程度的慢性肾脏病方面也表现优异。
在慢性肾脏病的无创病理诊断方面，当患者在肾内科或综合内科就诊，医生通过向无创智能肾病诊断系统输入患者的眼底图像，并结合患者常规血液与尿液检查结果，即可预测患者患有IgA肾病、原发性膜性肾病等常见病理类型的概率。此外，该系统可同步预测病理肾小球硬化程度大于75%的发生概率。在多中心人机对比测试中，该系统的平均诊断准确率较肾病专科医生高26.89%，表现出显著优势。
陈崴表示，相关结果意味着，该系统可为尚未接受或无法进行肾活检的患者提供可信的无创病理诊断，辅助临床医生制定个体化诊疗方案，推动慢性肾脏病的精准管理。
据研究团队介绍，无创智能肾病诊断系统还可预测慢性肾脏病患者在未来5年内发生肾脏病终点事件的风险，且预测性能表现良好。这有助于医生制定个性化的随访与管理策略，提前识别高风险人群，强化干预，降低不良结局发生的可能性。
此外，针对欠发达地区医疗资源匮乏、肾穿刺活检严重受限，研究团队进一步开发了该系统的简化模型。该简化模型仅依赖有限的血液与尿液检验指标，即可实现对慢性肾脏病病理类型较为准确的预测。在国内外多中心的真实世界验证数据集中，该简化模型依然表现出良好的稳定性与泛化能力。
目前，无创智能肾病诊断系统已部署在中山大学中山眼科中心眼病智能诊断云平台，正在国内外多个中心临床应用并开展真实世界验证研究。
