提到癌癥，總會讓人不寒而栗，仿佛離死亡僅剩一步之遙。

很多人不知道的是，在中國乃至世界給人們造成最大健康傷害的并不是癌癥，而是人類健康的“第一殺手”——心腦血管疾病。

《中國心血管健康與疾病報告2020》顯示，我國心血管病患病率處于持續(xù)上升態(tài)勢，目前患病人數(shù)約3.3億。

更令人擔憂的是，近年來我國城鄉(xiāng)居民心血管病死亡率也呈上升趨勢，目前，心血管病死亡居我國城鄉(xiāng)居民總死亡原因的首位，在農(nóng)村的占比為46.66%，城市為43.81%。

如今，患高血壓、血脂異常、糖尿病、肥胖等疾病的絕對人數(shù)不斷攀升，未來心腦血管病給居民和社會帶來的負擔或許會越來越重。

如何解決心腦血管病防控的困境？

不久前，由鷹瞳Airdoc協(xié)辦的“第九屆301論健暨第十一屆全國體檢中心主任高峰論壇”前沿創(chuàng)新智慧論壇召開。

會上，中華預(yù)防醫(yī)學會健康風險評估與控制專業(yè)委員會委員兼秘書長、北京大學臨床研究所研究員解武祥教授作《視網(wǎng)膜人工智能分析助力心腦血管疾病風險預(yù)測》主題演講，為大家講述了心腦血管病防控的關(guān)鍵一環(huán)——風險預(yù)測的“前世今生”和未來展望。

演講文字實錄編輯整理如下：

尊敬的各位專家，大家好！非常感謝301曾強教授邀請參加本次301論健。我是來自于北京大學臨床研究所的解武祥，今天給大家匯報的題目是《視網(wǎng)膜人工智能分析助力心腦血管疾病風險預(yù)測》。?

心腦血管病居我國首位死因疾病負擔沉重

據(jù)大家所知，我國心腦血管疾病的疾病負擔呈現(xiàn)逐年上升的趨勢。根據(jù)《中國居民營養(yǎng)與慢性病狀況報告（2015年）》顯示，心腦血管疾病屬于我國首位死因，占所有死因的43%。?

右邊這張圖是2019年周脈耕教授在《The Lancet（柳葉刀）》上發(fā)表的中國疾病負擔報告，我們可以看到從1990年~2017年，卒中和缺血性心臟病位于我國的死因首位，呈現(xiàn)快速上升的趨勢。

這一張圖是1990年~2018年我國的心血管疾病死亡在農(nóng)村和城市地區(qū)的趨勢分析。其中紅線是農(nóng)村地區(qū)，我們可以發(fā)現(xiàn)在2010年左右，農(nóng)村地區(qū)的死亡率反超城市地區(qū)，而且呈現(xiàn)加速上升的一個趨勢。

這些數(shù)據(jù)顯示，在我國心腦血管疾病不僅死亡風險占所有死因的比例最高，而且還呈現(xiàn)逐年上升的趨勢。這就提示我們，心腦血管疾病的疾病負擔是非常重的。

心腦血管病防控重點：早發(fā)現(xiàn)，早治療

目前心腦血管疾病的防控重點仍然應(yīng)該是早發(fā)現(xiàn)、早治療，那么如何去早發(fā)現(xiàn)呢？這就涉及到風險預(yù)測的問題。

美國的弗蘭明漢研究是提出心腦血管疾病風險預(yù)測模型的鼻祖。其實理論很簡單，就是在基線的時候，我們收集受試者的年齡、性別、膽固醇、血壓、糖尿病以及是否吸煙這一些簡單的指標，我們就可以預(yù)測出每個個體未來十年的發(fā)病風險。

這樣的話，我們就可以把這些高發(fā)病風險的人群給早期識別出來，給予他們盡早的，不管是生活方式干預(yù)也好，膳食干預(yù)也好，還是藥物干預(yù)。

把他們的相關(guān)的危險因素控制下來之后，比如說我們把血壓控制下來，它可能未來就不會發(fā)生或者說延緩發(fā)生心腦血管疾病。

這也就是我們“健康中國行動2030”提倡的早發(fā)現(xiàn)、早治療，就是把疾病扼殺在搖籃當中。

心腦血管病風險預(yù)測有了中國模型

我們中國人群和歐美人群，實際上在心腦血管疾病方面是存在一些差異的。

差異在哪兒呢？首先我們中國人群冠心病的發(fā)病率要顯著低于白種人，腦卒中的發(fā)病率又要顯著高于白種人，所以我們是不能直接把美國隊列的發(fā)病風險預(yù)測模型直接應(yīng)用于中國人群。

那么我們中國學者自己開發(fā)出了一些適用于我國人群的心腦血管疾病發(fā)病風險的預(yù)測模型，包括安貞醫(yī)院劉靜教授基于CMCS隊列（中國11省市心血管病危險因素隊列研究）開發(fā)的冠心病的發(fā)病風險模型；我們臨床研究所武陽豐教授基于中美前瞻性隊列研究開發(fā)的缺血性心血管疾病的模型，也就是ICVD（缺血性腦血管?。┠Ｐ?；還有阜外醫(yī)院顧東風教授團隊基于兩個隊列開發(fā)的ASCVD（動脈硬化性心血管疾病）的模型。

這些模型大致的方法和納入的關(guān)鍵指標實際上是大同小異的，基本上是一致的。

我們拿武陽豐教授在《Circulation（循環(huán)）》雜志上發(fā)表的這篇ICVD的十年風險模型為例，我們可以看到實際上模型只納入了性別、年齡、收縮壓、BMI（身體質(zhì)量指數(shù)）、總膽固醇、是否吸煙、是否患有糖尿病，這幾個非常簡單的指標，那么就可以構(gòu)建出未來十年發(fā)病風險的一個簡要的積分表，對應(yīng)這個積分表我們就可以查出每個個體未來十年的發(fā)病風險。

對于這個模型最重要的評價指標曲線下面積（AUC），不管是在男性還是女性中都達到了一個非常好的水平，接近0.8。

傳統(tǒng)模型存在應(yīng)用難點，亟需新的突破口

但是這些模型雖然都建立完成了，不管是劉靜教授、武陽豐教授還是顧東風教授團隊建立的這些模型，都還存在一些應(yīng)用上的難點。

比如說，相對來說采集的指標過多，我們要去詢問受試者的年齡，去測他的BMI，還要采血去測血脂和血糖，這是有創(chuàng)的。

另外血液檢查還需要一定時間，一般來說第一天測了，怎么得到第二天（出檢查結(jié)果），或者至少是上午測，（檢測）非常快到下午才能出來（結(jié)果），至少得耗2~4個小時。

檢測還有一定的成本，目前基礎(chǔ)成本大概30~40塊錢；另外對于臨床醫(yī)生或者說社區(qū)的醫(yī)療衛(wèi)生人員來說，計算也相對復(fù)雜。

所以這就導致我們應(yīng)用以及普及（風險預(yù)測模型）的難度增大。

視網(wǎng)膜有望成為預(yù)測心腦血管病風險的窗口

我們有一個非常好的模型，但就算預(yù)測得再準，不能獲得廣大醫(yī)療人員的應(yīng)用，那也是沒有發(fā)揮它的價值。

所以我們團隊近些年來一直在找這個突破口，怎么能夠去更好地應(yīng)用這些已有的心腦血管疾病的預(yù)測模型。

近幾年我們發(fā)現(xiàn)，視網(wǎng)膜有望成為預(yù)測心腦血管疾病風險的一個窗口。

為什么呢？首先視網(wǎng)膜血管它本身是腦部血管的一個延伸，而且是人體當中唯一能夠通過照相機直接拍攝到的血管。

其次它是無創(chuàng)的，能夠快速拍攝。每一個受試者大概30秒鐘就可以拍攝到雙眼的眼底照片。

另外拍攝無需專業(yè)醫(yī)生。眼科醫(yī)生畢竟是非常寶貴的資源，我們的護士或者研究生通過簡單培訓，就可以快速準確地拍攝。

現(xiàn)在的儀器也非常的先進，能夠做到無需散瞳、自動對焦。

現(xiàn)在關(guān)鍵的問題是，我們是否能夠建立起這個視網(wǎng)膜與心腦疾病之間的一個關(guān)聯(lián)？

一張眼底照片預(yù)測未來十年心血管病風險

實際上在2018年，Google的科學家在《Nature（自然）》子刊發(fā)表了一篇論文就提示，通過眼底照片他們可以準確地預(yù)測年齡、血壓，還可以預(yù)測性別以及心腦血管病史。

這篇研究也給了我們信心，就是我們可以通過眼底照片準確地預(yù)測未來十年的心血管病風險。?

這是我們開展的工作，2021年發(fā)表在國內(nèi)非常知名的《Science Bulletin》雜志。

首先我們納入了三十多萬人，（他們）來自于中國19省市的體檢人群，并且都收集了眼底照片，收集了ICVD十年風險預(yù)測模型需要的指標，包括年齡、性別、總膽固醇、BMI、收縮壓、糖尿病和吸煙史。

有了這七個指標后，我們通過模型，把每個受試者的ICVD十年風險給計算出來。

計算出來后，我們給每個受試者的眼底照片進行標注，告訴計算機（人工智能）這張照片它對應(yīng)的十年風險是多少。然后基于這種海量的數(shù)據(jù)，讓機器去深度學習，就構(gòu)建了從眼底照片直接到ICVD十年風險的關(guān)聯(lián)性。

未來我們只要拍攝眼底照片，通過這個人工智能的模型，就可以快速地、自動地把這個十年風險的得分計算出來。

這就是我們一個簡要的人工智能模型開發(fā)的整體流程。

我們（受試者）人群分為三部分。第一部分是建模使用了中國十九省市的38萬人，共計接近80萬張眼底照片。這些建模的人群都是來自于體檢人群。還有一部分體檢人群是隨機抽出來作為內(nèi)部驗證的，大概接近2萬人，也就是4萬張眼底照片是做內(nèi)部驗證的。除此之外，我們還找了一個獨立的社區(qū)隊列，這個隊列以中老年人為主，總共納入了一千多人。

接下來我們看看大致的結(jié)果。對于年齡的預(yù)測，我們通過眼底照片估算出來的年齡和這個受試者實際的年齡（對比），R2（決定系數(shù)，衡量預(yù)測模型好壞）達到0.932。

我們通過眼底照片去判斷這個受試者是否有高血壓病史，曲線下面積（AUC）達到了0.9，糖尿病史接近0.91，性別是接近0.99。

我們?nèi)斯ぶ悄芩惴Ｐ皖A(yù)測的十年風險與通過傳統(tǒng)的模型計算出來的十年風險對比，兩者之間的關(guān)聯(lián)性達到0.88，這是在內(nèi)部驗證中，在外部驗證中也達到了0.64。

這些結(jié)果就說明，我們通過眼底照片直接估算未來十年的缺血性心腦血管疾病發(fā)病風險是可行的。

同時我們?nèi)绻允觑L險≥5%為切點定義中高危人群的話，我們通過眼底照片直接判別受試者是不是中高危人群，這個判別能力我們可以看到在內(nèi)部驗證中達AUC到了0.97，在外部驗證中達到0.86。

如果我們把這個十年風險≥7.5%，也就是按照美國指南的定義≥7.5%，歸類高危人群的話，這個（算法模型的）判別能力依然是非常優(yōu)秀的。

這些數(shù)據(jù)證實，在未來的工作中我們可以直接通過眼底照片去識別未來缺血性心腦血管疾病的高危人群。

在未來的后續(xù)研究中，（項目組）將在我國大樣本的體檢和社區(qū)人群中，前瞻性地隨訪基線人群，然后在我們眼底照片和隨訪過程中是否發(fā)生事件建立一個關(guān)聯(lián)性，來判別或者是進一步更新、改善、升級我們的人工智能模型。

這也是人工智能的一大優(yōu)勢，可以不斷地去更新和自我學習。

未來在社區(qū)或者說體檢中心、醫(yī)療機構(gòu)，只要安裝一臺便捷的眼底自動照相設(shè)備，即可在1分鐘內(nèi)輕松、快速、無創(chuàng)地獲取未來十年ICVD的發(fā)生風險。

這無疑對于早期發(fā)現(xiàn)高危人群，早期啟動危險因素干預(yù)，從而降低心腦血管疾病的發(fā)病率和死亡率，減少治療費用而產(chǎn)生巨大的經(jīng)濟效益。

謝謝大家。

?

專家總結(jié)

葛珊珊

山西醫(yī)科大學第一醫(yī)院健康管理中心主任
山西省健康體檢與管理專業(yè)質(zhì)量控制中心主任

心腦血管疾病是我國排名第一的死亡原因，其預(yù)防目前仍然是現(xiàn)代醫(yī)學的難題。視網(wǎng)膜血管是腦部血管的延伸，是唯一能夠拍攝到的血管。目前國內(nèi)外研究顯示，視網(wǎng)膜人工智能技術(shù)通過對眼底圖像的分析，能夠預(yù)測和構(gòu)建缺血性心腦血管疾病所需的血壓、血糖、動脈硬化程度等參數(shù)，預(yù)測心腦血管疾病風險具備良好的可行性。視網(wǎng)膜人工智能技術(shù)無創(chuàng)且便捷，對心血管疾病盡早采取針對性的防治措施具有良好的指導價值。