“42岁时做了40岁后的第一次体检，当时医生告诉我是糖尿病，而且病程应该超过了3年。然后在眼科做了一些检查，发现了视网膜病变，已经是3期了。”

　　“以前坐办公室老爱上厕所，很多人提醒我：你这是不是得了糖尿病啊？快去查查吧。我心想，我能吃能喝还睡得好，怎么会得糖尿病呢？后来视力也不好了，自己还安慰自己，年纪大了老花眼也很正常……这一拖再拖，直到因为糖尿病酮症酸中毒被送进了医院急诊。”

　　“因为发现的晚，血糖一直不好控制。有一次小腿受伤，很长时间都没有痊愈，差点没给我吓死，以为得了糖尿病足。脑子里闪过的都是自己被截肢的画面。”

　　在糖尿病的患者群里，总是少不了这样的故事：没有典型症状，即便出现不典型症状，也因为其常常在其他疾病中出现，而被患者忽略，真正发现时为时已晚。

一个显著的事实是，2020年最新流调数据显示，我国糖尿病成人患者达1.298亿，但只有43.3%的糖尿病患者知道自己患有糖尿病，49%的糖尿病患者接受了治疗，而得到很好控制的患者不足50%。

　　不仅是糖尿病，在我国，几乎所有慢病都面临着知晓率低、治疗率低、控制率低的现状：

　　2019年，全国有2.45亿高血压患者，但我国高血压的知晓率为51.6%、治疗率为45.8%、控制率仅为16.8%。

　　心脑血管疾病是我国居民第一大死亡原因，占总死亡数的40%以上，但人们的知晓率仍停留在较低水平。比如，约2.3%的国人有短暂性脑缺血发作（TIA）病史，但仅16%的人知晓，4%的人接受了规范治疗。研究发现，55%的TIA或轻型卒中患者发作后存在就诊延迟。

　　……

　　这些数据不仅仅是一个冷冰冰的数字，其背后还是一个个工作和生活受阻的个人，更是一个个背负着沉重心理和经济负担的家庭。

　　《“健康中国2030”规划纲要》指出，到2030年，要基本实现高血压、糖尿病患者管理干预全覆盖，实现全人群、全生命周期的慢性病健康管理。

　　严峻的慢性病防控形势下，医学眼底影像AI的落地应用，或将助慢病防控一臂之力。

　　“拍一张照，为啥就能发现我有糖尿病了？”

　　张华刚拿到报告时还难以置信，她不曾想到，仅仅是因为14岁的孩子看不清黑板，带他去眼镜店配一副眼镜，竟还查出了孩子患有糖尿病。

　　张华的孩子做的是一项AI视网膜筛查，1分钟拍片，检查报告实时显示结果。得知孩子有糖尿病性视网膜病变时，她对这项技术的准确性打上了一个问号：“孩子还这么小，怎么可能就有糖尿病。”但在医院的进一步检查中，随即确诊了1型糖尿病。

1型糖尿病多发于青少年，往往在患病初期就可能患有糖网，如不及时治疗，有很高的失明风险，甚至危及性命。还好发现及时，张华的孩子在吃药后血糖控制在了正常范围，糖网也得到了有效控制。

　　与张华和孩子的故事类似，李乐参加了公司组织的AI视网膜筛查，在拿到重大阳性警示单时，也并不相信自己患有糖尿病：“就这么拍一张照片，为啥就能发现我有糖尿病了？”

在工作人员的反复劝说下，李乐决定去医院就诊，检查时发现空腹血糖已经达到13.0mmol/L，诊断为2型糖尿病伴糖尿病视网膜病变，并且已经出现了糖尿病周围神经病变。

　　糖尿病的进展过程中，会造成包括糖尿病视网膜病变、糖尿病周围神经病变、糖尿病肾病、糖尿病足等多种并发症。因此控糖的目标之一便是抑制并发症的产生，而想要把血糖控制好，及早发现特别重要。因为发现还算及时，经过积极配合治疗，目前李乐的病情已稳定。

　　在AI视网膜筛查的各种应用场景中，以上这样的案例其实屡见不鲜。当被检测出疾病时，大多数人可能会怀疑其科学性，一些人甚至因此延误了诊断和治疗，造成了不可逆的后果。

　　因此，我们可能需要回到其技术原理上来考虑问题，即通过视网膜为何能检测出全身性慢病？

　　一张眼底照片，可判断200多种慢性病

　　很多人不知道的是，除了糖尿病、高血压等常见慢性病以外，通过视网膜上血管和神经等部位的病变，理论上可评估识别的慢性疾病甚至多达200多种。

　　正因如此，全国防盲技术指导组组长、北京同仁医院原院长、中华医学会眼科学分会前任主委王宁利曾说到：“眼底一张照，疾病早知道。”并呼吁要把眼病防治纳入国家慢病管理体系中，在慢病筛查中加入眼底照相项目。

　　那么，视网膜这么小小的一个部位，为何能识别200多种慢性病？

这是因为，一方面，视网膜本身是一片神经组织，通过视神经与大脑相连。这样特殊的结构让视网膜不但与视觉功能紧密相连，同时也与全身多种慢病密切相关。

　　另一方面，视网膜位于眼球的内壁，是人体最重要的感光器官，它是一层无色透明的薄膜，这意味着其血管能够通过光学手段直接观测。

　　如果把眼睛比作照相机，视网膜就相当于照相机的底片，暗藏着人体健康的密码。一直以来，全世界的研究工作者一直在努力探索视网膜与全身慢病的关系，希望有朝一日能将视网膜作为全身多种慢病无创检测的有力媒介。

　　截至目前，视网膜已经被证明与包括糖尿病、高血压、心脑血管疾病、痴呆、帕金森、贫血、甲亢、维生素缺乏、慢性肾病、肝功能不全、白血病、艾滋病、心理疾病等在内的数百种疾病存在密切的关系。

　　（视网膜照片，图片来源：网络）

　　具体来看，糖尿病发展到一定阶段后引起的糖尿病视网膜病变是糖尿病人群视力下降和致盲的主要原因，在糖尿病视网膜病变发生时，视网膜上会出现血管瘤、出血等特征性表现。而对于那些尚未发生糖尿病视网膜病变的糖尿病患者，视网膜血管同样会出现一些改变，这些改变通常反映在视网膜血管的粗细、长短、形状等维度。

　　新加坡的一项系统性回顾研究显示，糖尿病患者的视网膜静脉比非糖尿病人的视网膜静脉更粗，而美国的一项队列研究也发现，视网膜小动脉越细的人，越容易发生2型糖尿病。

　　这说明视网膜无论是在糖尿病发生之前，还是在糖尿病发生之后，甚至是出现糖尿病并发症时，都会出现不同类型的表现。

　　因此，无论是在糖尿病发生前进行糖尿病风险的预测，还是作为糖尿病的无创检测手段，以及为糖尿病人群提供糖尿病视网膜病变的排查方面，视网膜作为一个有效的检查靶点都表现出了巨大的应用潜力。

　　此外，针对高血压来说，澳大利亚的一项研究发现，血压每升高10mmHg，视网膜小动脉直径就会缩窄3.07μm，并且这个改变早于高血压的发生；悉尼的研究数据也表明，视网膜动脉的广泛变细的患者在5年后发生高血压的几率显著增高。

　　高血压引起的视网膜病变同时也是导致高血压人群失明的主要原因，高血压发展到一定程度时，视网膜会出现动脉硬化、出血甚至水肿的表现，这意味着如果能够对视网膜进行更加精细的分析和比对，不仅能够建立高血压发生前的风险评估机制，还能有效地对高血压人群的并发症进行持续的跟踪。

　　再来看心脑血管疾病，虽然其发病大多比较急促，但疾病的发展过程却是一个血管病变不断累积的过程，早期通常表现为全身微血管的损伤，然后逐渐累积到较大的血管，当损伤累积到为心脏和大脑供血的血管时，心脑血管疾病甚至心脑血管事件也就随之发生。

　　美国的一项研究发现，视网膜微血管改变的程度越高，未来发生心脑血管事件的风险越大，同时视网膜小血管的分叉越多，发生心脑血管事件的风险同样直线上升。这意味着视网膜作为一个观察微血管改变的窗口，具备实现心脑血管风险无创快速监测的巨大潜力。

　　除上述的疾病之外，研究人员们还发现，在甲亢、贫血、痴呆、帕金森、维生素缺乏、艾滋病、白血病等患者的视网膜中，都出现了不同类型的特征性改变，有视网膜血管粗细、长度、形状的改变，也有视网膜不同部位的颜色、形态的改变。

　　视网膜筛查已在医疗AI领域加速应用

　　对于慢性病来说，预防的效益远远大于治疗，而预防的关键即在于早筛查、早诊断、早治疗。但针对慢性病的早筛早诊，目前仍面临着不小的阻碍。

　　以糖尿病为例，其主要检测手段是通过空腹血糖等血液指标来实现，虽说目前糖尿病的检测已经逐渐实现了快速、精准、智能采集，但仍需要采集血液作为检测样本，而中国人对于这种“有创”的检测向来是避而远之，导致糖尿病的防控工作进展的并不顺利。

　　随着计算机图像识别技术的发展以及相关研究的进一步深入，视网膜有望成为一个除血液、尿液、粪便等常规生物标本之外的另一个检测全身多器官结构和功能异常的生物靶点。

伴随着数据的积累，视网膜检测和评估慢病目前已经不再是一个理论可行的技术，而是变成一个能够切实应用于医疗和健康场景的健康产品。

　　在医疗AI领域，早在2010年和2015年，谷歌和IBM即分别启动了其AI糖尿病视网膜筛查和青光眼筛查项目。2015年前后，我国也有多家企业开启了视网膜筛查技术研发和应用的征程，并开始从单一疾病筛查向各种病变和疾病的综合诊断发展。

　　2020年8月开始，随着鹰瞳科技（Airdoc）等几家行业龙头相继取得国家药监局颁发的医疗器械注册三类证，该领域取得了重大进展，相继在医疗机构实现了应用。

　　6月，鹰瞳Airdoc向港交所递交了申请版招股书，率先进入了IPO阶段。其招股书显示，在与名校以及知名医院的长期科研合作中，鹰瞳Airdoc已经具备了通过视网膜评估糖尿病、高血压、心脑血管疾病、贫血等55种健康风险的技术能力，并且已经在国内外的医疗机构和大健康场景进行了商业化应用。

当前，AI视网膜筛查技术不仅是在医疗机构具备广阔的市场前景，其在体检中心、视光中心、保险公司、药店等大健康场景下皆能实现应用，并已开始服务于像前文提到的张华的孩子、李乐这样的患者。

　　另据招股书显示，鹰瞳Airdoc目前正在尝试将视网膜的人工智能识别应用于甲亢、痴呆、帕金森、动脉硬化以及房颤的风险识别和检测领域。

　　可以预见的是，随着适应症越来越多，应用场景越来越广，该技术将惠及更广泛的人群，助力“健康中国2030”的慢病防控目标的实现。

　　正如十多年前互联网横空出现并彻底颠覆了我们的生活一般，当视网膜识别技术发展到一定阶段后，也必将给现有的医疗和健康模式带来翻天覆地的巨大改变。

　　*文中张华、李乐均为化名

　　参考文献：

　　[1] WeipingTeng, BMJ. 2020; 369: m997.

　　[2] 国家心血管病中心. 中国心血管健康与疾病报告2019[M]. 北京: 科学出版社, 2020.

　　[3] Zhao D, Liu J, Wang M, et al. Epidemiology of cardiovascular disease in China: current features and implications [J]. Nat Rev Cardiol, 2019, 16(4):203-212. doi: 10.1038/s41569-018-0119-4.