基于視網(wǎng)膜人工智能評估的《四百萬體檢人群健康藍皮書》2023

INTRODU司言眼睛是心靈的“窗戶”,視覺是人類感知外部世界的最主要方式?！丁笆奈濉比珖劢】狄?guī)劃(2021-2025年)》指出:眼健康是國民健康的重要組成部分,涉及全年齡段人群全生命期。包括盲在內(nèi)的視覺損傷嚴重影響人民群眾身心健康和生活質(zhì)量,加重家庭和社會負在國家衛(wèi)生健康委的指導(dǎo)下,至2020年末,我國盲的年齡標化患病率已低于全球平均水平。但在人口基數(shù)和老齡化的現(xiàn)狀下,我國仍是世界上盲和視覺損傷患者最多的國家之—。數(shù)據(jù)統(tǒng)計顯示,當(dāng)今我國主要的致盲性眼病由傳染性眼病轉(zhuǎn)變?yōu)閮和?、老年患者為主要人群眼底的視網(wǎng)膜作為眼睛的關(guān)鍵組成部分,不僅是視覺形成的起始部位,對維持正常的視覺功能起著重要的作用。同時,視網(wǎng)膜還是人體全身唯—可以直接、無創(chuàng)地觀察血管和神經(jīng)2019年7月,國家成立健康中國行動推進委員會,制定印發(fā)《健康中國行動(2019—2030年)》,針對健康科普、全民健身、以及心腦血管及老年健康促進等方向?qū)嵤ｍ椥袆?通過政府、社會、個人協(xié)同推進,建立健全健康教育體系,促進以治病為中心向以健康為中心轉(zhuǎn)變,提高人民健康水平[3]。2023年5月,為了預(yù)防和減緩老年癡呆發(fā)生,切實增強老年人的健康獲得感,促進健康老齡化,國家衛(wèi)生健康委發(fā)表通知,決定2023—2025年在全國組織愛康集團積極響應(yīng)國家政策,堅決貫徹落實國家衛(wèi)生健康工作的決策部署。為及早發(fā)現(xiàn)各類不可逆致盲疾病風(fēng)險和健康風(fēng)險,從而幫助用戶更早發(fā)現(xiàn)、更早診斷、更早治療,2018年底,愛康集團升級有人“管”的體檢戰(zhàn)略,發(fā)布ikangAI+,通過人工智能賦能傳統(tǒng)體檢,用更多創(chuàng)新科技賦能健康體檢和健康管理。愛康集團與北京鷹瞳科技發(fā)展股份有限公司(以疾病風(fēng)險評估項目。該項目與多家知名眼科醫(yī)院共同開發(fā),獲得了科技部重大專項支持,運用先進的人工智能技術(shù)實現(xiàn)語義和量化分析,可以精準發(fā)現(xiàn)眼底異常改變,評估心血管疾病風(fēng)險,幫助受檢者客觀便捷地了解眼底健康狀況和心腦血管風(fēng)險。2019年,愛康集團聯(lián)合鷹瞳Airdoc聯(lián)合發(fā)布了第—個基于人工智能的《中國體檢人群眼2020年,愛康集團與鷹瞳Airdoc發(fā)布了第—個基于視網(wǎng)膜人工智能評估的《百萬體檢人2021年,愛康集團與鷹瞳Airdoc發(fā)布基于視網(wǎng)膜人工智能評估的《兩百萬體檢人群健康2022年,愛康集團與鷹瞳Airdoc發(fā)布基于視網(wǎng)膜人工智能評估的《三百萬體檢人群健康首次將心腦血管疾病、糖尿病、高血壓、貧血等健僅包括了眼底異常的人群分布情況,還包括了心腦血管疾病、糖尿病、高血壓、貧血及老年癡呆的人工智能風(fēng)險評估的驗證,并且針對持續(xù)進行健康體檢人群的健康狀況以及結(jié)合線下健康調(diào)查的數(shù)據(jù)結(jié)果進行分析,旨在進—步提高我國居民和企事業(yè)單位對包括眼健康在內(nèi)的全身健康的重視,樹立健康觀念,提高慢病風(fēng)險防控意識。與往年相比,《四百萬體檢人群健康藍皮書》全新升級,主要體現(xiàn)在以下幾個方面:.評估樣本量首次超過四百萬,為百萬人群的全身健康和眼底異常情況的早發(fā)現(xiàn)、早干預(yù)做出努力;.升級了視網(wǎng)膜人工智能慢病風(fēng)險評估版塊,利用大數(shù)據(jù)和人工智能技術(shù),助力百萬人群的慢病風(fēng)險管理和健康干預(yù);.連續(xù)進行人工智能眼底照相疾病風(fēng)險評估,評估的連續(xù)人群首次超過五十萬,了解持續(xù)進行健康監(jiān)測對防范慢病隱患和眼部重疾的意義;.新增了相關(guān)論文的權(quán)威解讀模塊,詳細介紹了模型訓(xùn)練過程和驗證性能,并展示了其在愛康體檢人群中的應(yīng)用現(xiàn)狀;.貫徹落實國家對眼健康的規(guī)劃部署,增加近視和年齡相關(guān)黃斑變性的防控模塊。202306082.2人工智能眼底照相疾病風(fēng)險評估結(jié)果分項分析2.3人工智能眼底照相疾病風(fēng)險評估歷年結(jié)果對比分析2.4連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群的健康風(fēng)險結(jié)果3.1.4連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對發(fā)3.2.4連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對發(fā)現(xiàn)糖尿病的意義2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群3.3.4連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對發(fā)現(xiàn)高血壓的意義3.4人工智能視網(wǎng)膜貧血風(fēng)險評估3.5人工智能視網(wǎng)膜老年癡呆風(fēng)險評估 4.2人工智能視網(wǎng)膜影像評估癡呆風(fēng)險4.3人工智能視網(wǎng)膜影像評估多種眼底異常4.4人工智能評估視網(wǎng)膜特征與甲元關(guān)系的研究 062023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群06IMPORTANTCONCLUSIONS眼底異常是導(dǎo)致不可逆致盲的重要因素,通過基于人工智能的視網(wǎng)膜健康評估,不僅能了解眼底健康,同時還能夠發(fā)現(xiàn)可能存在的糖尿病、高血壓、心腦血管疾病等慢病風(fēng)險。人工智能眼底照相疾病風(fēng)險評估不僅能快速發(fā)現(xiàn)慢病風(fēng)險隱患,同時能早期發(fā)現(xiàn)視網(wǎng)膜異常,提升健康干預(yù)的依從性,降低惡性心腦血管事件、致盲事件的發(fā)生率。分析,共計4,068,076人次,整體異常檢出率為77.2%;.男性異常共計1,658,541人次,占所有男性受檢者累計發(fā)現(xiàn)重大陽性17,845人次累計發(fā)現(xiàn)重大陽性17,845人次（占比0.4%).發(fā)現(xiàn)血管類重大陽性9,391人次,血管異常是威脅眼底健康的最重要因素;.發(fā)現(xiàn)黃斑類重大陽性8,123人次,黃斑的健康不容忽視;.60歲以上人群重大陽性檢出率為1.5%,定期的眼底檢查很有必要。2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群.人工智能心血管風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為40,524,其中體檢提示心血管風(fēng)險可2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群.人工智能心血管風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為40,524,其中體檢提示心血管風(fēng)險可能的檢出率為28.9%;.人工智能腦血管風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為77,565,其中體檢提示腦血管風(fēng)險可能的檢出率為8.4%;.人工智能糖尿病風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為545,986,其中體檢提示糖尿病可能的檢出率為34.6%;.人工智能高血壓風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為865,119,其中體檢提示高血壓可能的檢出率為65.6%;.人工智能貧血風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為54,565,其中體檢提示貧血可能的檢出連續(xù)進行人工智能眼底照相疾病風(fēng)險評估有助于早期發(fā)現(xiàn)健康隱患,人工智能慢病風(fēng)險.初次評估時人工智能心血管風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)提示心血管風(fēng)險可能的體檢異常結(jié)果概率更高;.初次評估時人工智能腦血管風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)提示腦血管風(fēng)險可能的體檢異常結(jié)果概率更高;.初次評估時人工智能糖尿病風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)提示糖尿病可能的體檢異常結(jié)果概率更高;.初次評估時人工智能高血壓風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)提示高血壓可能的體檢異常結(jié)果概率更高;.連續(xù)進行人工智能眼底照相疾病風(fēng)險評估有助于及時發(fā)現(xiàn)眼底異常的進展,了解干預(yù)后的恢復(fù)情況,及時發(fā)現(xiàn)威脅視力的重大陽性疾病。家族史、吸煙、飲酒對慢病風(fēng)險的影響顯著,人工智能慢病風(fēng)險評估能夠有效反映上述因.有家族史的人群相關(guān)慢病的風(fēng)險顯著高于無家族史人群;.吸煙對糖尿病、高血壓、心腦血管疾病風(fēng)險影響顯著,吸煙人群在人工智能慢病風(fēng)測中出現(xiàn)高風(fēng)險的占比顯著高于不吸煙人群;.飲酒對糖尿病、高血壓、心腦血管疾病風(fēng)險影響顯著,并且與飲酒頻次呈現(xiàn)正相關(guān),飲酒人群在人工智能慢病風(fēng)險預(yù)測中出現(xiàn)高風(fēng)險的占比顯著高Chapter.研究方法及樣本人群分布2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群09數(shù)據(jù)來源于愛康集團參與人工智能眼底照相疾病風(fēng)險評估的體檢者(時間范圍:2018年參與人工智能眼底照相疾病風(fēng)險評估分析的樣本人群共計4,068,076人次。其中男性樣本人群平均年齡42.1歲,30歲-39歲體檢者人次最多,共計1,335,772人次,32.8%。其中男性中位數(shù)年齡為39歲,平均年齡42.2歲;女性中位數(shù)年齡為39歲,平均年齡52.0%48.0%總樣本人群：男性樣本人群：中位年齡39歲,平均年齡42.2歲女性樣本人群：Chapter.02人工智能眼底照相疾病風(fēng)險評估結(jié)果分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在本次評估結(jié)果中,眼底異常改變結(jié)果包括視網(wǎng)膜血管改變、黃斑部異常、視盤視神經(jīng)異常、中重度豹紋、萎縮斑、玻璃體疾病、脈絡(luò)膜疾病、視網(wǎng)膜脫離以及其它病理性改變和相關(guān)術(shù)后特征,不包括輕度豹紋等正常年齡性改變。在4,068,076人次的人工智能眼底照相疾病風(fēng)險評估結(jié)果中,眼底異常檢出的人次為3,140,461,占總體比例的77.2%。其中男性異常共計1,658,541人次,占所有男性受檢者的78.4%;女性異常共計1,481,920人次,占所有女性受檢者的75.9%。總體來看,異常檢出率男性眼底異常檢出率78.4%女性眼底異常檢從異常檢出率的年齡統(tǒng)計結(jié)果來看,隨著年齡增長,眼底異常檢出率明顯增高,40歲以下的三個年齡段的人群中,男性異常檢出率均高于女性異常檢出率約3個百分點,40歲-49歲女性異常檢出率逐漸接近男性異常檢出率,50歲及總體來看,體檢人群的眼底健康狀況普遍不佳,隨著年齡的增長,異常檢出率逐漸增高,2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在本次樣本人群中,共計有3,006,455人次記錄了行業(yè)信息,其中金融業(yè)是參與人工智能眼底照相疾病風(fēng)險評估的主要人群,共計521,567人次,占比17.3%;信息傳輸、軟件和信息在眼底異常率的統(tǒng)計結(jié)果中發(fā)現(xiàn),采礦業(yè)是眼底異常檢出率最高的行業(yè),為84.8%,電力、熱力、燃氣及水生產(chǎn)和供應(yīng)業(yè)眼底異常檢出率次之,為84.1%;衛(wèi)生和社會工作眼底異總體來看,各行業(yè)眼底健康狀況普遍不佳,除工作環(huán)境影響較大的特殊行業(yè)之外,辦公—族仍然是眼底異常的主要群體,提示各行各業(yè)都應(yīng)該定期進行健康檢查,及時發(fā)現(xiàn)疾病風(fēng)金融業(yè)信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)科學(xué)研究和技術(shù)服務(wù)業(yè)0.36%租賃和商務(wù)服務(wù)業(yè)0.36%制造業(yè)0.29%衛(wèi)生和社會工作批發(fā)和零售業(yè)0.38%房地產(chǎn)業(yè)445建筑業(yè)600交通運輸、倉儲和郵政業(yè)0.43%電力、熱力、燃氣及水生產(chǎn)和供應(yīng)業(yè)406教育文化、體育和娛樂業(yè)28,8400.42%居民服務(wù)、修理和其他服務(wù)業(yè)0.40%水利、環(huán)境和公共設(shè)施管理業(yè)0.45%住宿和餐飲業(yè)0.5%600.39%農(nóng)、林、牧、漁業(yè)0.63%采礦業(yè)3,0850.68%公共管理、社會保障和社會組織0.0%12023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群眼睛是心靈之窗,絕大部分的外界信息都來源于眼睛,眼底是眼球內(nèi)后部的組織,包括了視網(wǎng)膜、視盤和視網(wǎng)膜動靜脈血管。視網(wǎng)膜作為眼睛的關(guān)鍵組成,起著光信號的接收與傳導(dǎo)的作用,是影響視功能的關(guān)鍵因素。視網(wǎng)膜還是全身唯—可在活體觀察神經(jīng)和血管組織的地方,成為了解眼病和某些全身疾病病情的重要窗口[5]。因為其特殊構(gòu)造,眼底病成為不可逆盲的首位病因,是世界衛(wèi)生組織防盲行動中的重點。在95%以上的人都有不良用眼習(xí)慣的2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群人工智能眼底照相疾病風(fēng)險評估包括了五大類50個各類各級異常,42.9%的受檢者有合36.0%36.0%.......................2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群視網(wǎng)膜位于眼球內(nèi)壁,是視覺形成過程中的感光器官。在全球五大致盲性疾病中(白內(nèi)障、青光眼、病理性近視、糖尿病視網(wǎng)膜病變、年齡相關(guān)性黃斑變性)除白內(nèi)障之外,其余四種均發(fā)生于視網(wǎng)膜上,視網(wǎng)膜疾病通常進展緩慢,不易察覺,但對視力威脅極大,因此定期的視網(wǎng)膜健康評估是防治視網(wǎng)膜疾病的有效手段i7]。眼底重大陽性指發(fā)生于視網(wǎng)膜的嚴重異常需要立即到醫(yī)院確診或排除可能引起嚴重視力損傷的病變,如不及時就醫(yī)可能造成不可逆的視力損傷。為避免體檢者出現(xiàn)不可逆的視力損傷,所有疑似重大陽性的案例均會第—時間由三甲醫(yī)院專家進行復(fù)核,并及時通知到體檢者體檢的機構(gòu)和受檢者本人,本次樣本人群的重大陽性按照發(fā)生的部位分為以下四類:2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在本次樣本人群中,共發(fā)現(xiàn)重大陽性17,845人次,檢出率為0.4%,其中血管類重大陽性檢者,及時避免了由于發(fā)現(xiàn)不及時導(dǎo)致的嚴重視力不可逆損傷。0.0%00.0%02,50862902023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群黃斑是視網(wǎng)膜最敏感的感光區(qū),負責(zé)精細視覺與顏色視覺,是光路成像的焦點。黃斑部的微小異?？赡軙鹨曈X改變,如視物不清,視物變形、變色、變暗等。常見黃斑部異常包括玻璃膜洗、年齡相關(guān)性黃斑變性、黃斑前膜、黃斑水腫、黃斑裂孔、樣本人群中,共檢出黃斑部異常1,380,888人次,黃斑部異常檢出率為33.9%。絕大多數(shù)黃斑異常為不可逆異常改變,隨著年齡增長,異常檢出率升高。年齡每增加10歲,異常檢出黃斑部異常:1,380,888人次2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群視網(wǎng)膜血管異常是指視網(wǎng)膜上的毛細血管、小血管受損或者阻塞,導(dǎo)致的血管彈性減弱、常見的視網(wǎng)膜血管異常包括:視網(wǎng)膜動脈硬化、高血壓視網(wǎng)膜病變、糖尿病性視網(wǎng)膜病變(糖網(wǎng))、靜脈阻塞、動脈阻塞、視網(wǎng)膜動脈瘤以及不明原因零星出血等。以40歲為分界點,視網(wǎng)膜血管異常的檢出率出現(xiàn)了跳躍式的升高,40歲以下人群的檢出率為9.6%,40歲及以上人群的檢出率為88.0%,40歲及以上人群檢出率是40歲以下人2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群人工智能眼底照相疾病風(fēng)險評估歷年結(jié)果對比分析數(shù)據(jù)顯示:整體眼底異常檢出率處于上升趨勢。屈光不正眼底改變、黃斑部異常和視盤視神經(jīng)正2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群隨著人口老齡化加劇、人民生活方式的改變,眼健康問題越來越受到公眾的關(guān)注,但從歷年體檢人群的數(shù)據(jù)中可以看出,整體眼底異常檢出率仍處于上升趨勢,這也與公眾對于眼底疾病認知度較低有密不可分的關(guān)系。加強眼健康教育,提升公眾眼健康意識,養(yǎng)成定期檢查的習(xí)慣,是保障人民眼健康的重要措施。在各項眼底異常中,視網(wǎng)膜血管異常的歷年改變最為明顯,這可能與高血壓、糖尿病等在早期階段,視網(wǎng)膜血管異常通常不會有明顯的癥狀,因此易被忽視,但當(dāng)異常持續(xù)發(fā)展到—定階段,視網(wǎng)膜血管受到明顯的損傷,出現(xiàn)出血、滲出或梗死,視力也可能會受到影響,出現(xiàn)視物模糊、變形、視野缺損等癥狀,嚴重時甚至?xí)?dǎo)致失明。因此,保持良好的生活習(xí)慣和飲食習(xí)慣,定期進行眼底檢查,可以有效地預(yù)防和控制此類疾病的發(fā)生和發(fā)展。202023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群20視神經(jīng)負責(zé)傳導(dǎo)視覺信號到大腦內(nèi)部,對視力功能實現(xiàn)至關(guān)重要。視盤是視網(wǎng)膜上視覺纖維匯集穿出眼球的部位,是視神經(jīng)的始端i常見的視盤視神經(jīng)異常包括:視盤水腫、視神經(jīng)炎、視神經(jīng)萎縮、前部缺血性視神經(jīng)病變、牽牛花綜合征、視盤黑色素瘤、杯盤比偏大(疑似青光眼)等。樣本人群中,共檢出視盤視神經(jīng)異常335,640人次,視盤視神經(jīng)異常檢出率為8.3%,且40歲以上人群檢出率基本超過總體檢出率,建議40歲及以上人群更應(yīng)該關(guān)注視盤視神經(jīng)視盤視神經(jīng)異常:335,640人次2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在本次樣本人群中,在不同年度連續(xù)進行人工智能眼底照相疾病風(fēng)險評估(至少在其中兩個年度進行過人工智能眼底照相疾病風(fēng)險評估)的人群共575,050人,占總樣本人群的年齡(依據(jù)初次檢查時的年齡)分布如下,本章節(jié)將針對連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群的健康狀況進行分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人575,050^在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估的人群中,眼底異常檢出率增加0.8%,其中人人人人人人人人2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群初次檢查發(fā)現(xiàn)糖尿病視網(wǎng)膜病變重度非增的58人體檢上述體檢者通過連續(xù)進行人工智能眼底照相疾病風(fēng)險評估,連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群的眼底人 人人 人人 22人4,4644,464人 人人 人2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群此外,連續(xù)進行人工智能眼底照相疾病風(fēng)險評估有助于了解干預(yù)和治療后的恢復(fù)情在初次檢查發(fā)現(xiàn)的18人視乳頭水腫的體檢者中,接受治療后,2人視乳頭水腫消失,2人癥狀減輕;在初次檢查發(fā)現(xiàn)的749人視網(wǎng)膜靜脈阻塞的體檢者中,56人接受治療后眼底異常消失;連續(xù)進行人工智能眼底照相疾病風(fēng)險評估有助于了解干預(yù)和治療2人2人人22人人人443443人人連續(xù)進行人工智能眼底照相疾病風(fēng)險評估有助于及時發(fā)現(xiàn)威脅視在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估的樣本人群中,新發(fā)現(xiàn)高度疑似青光眼25人,黃斑裂孔76人,新生血管性黃斑病變33人,地圖樣萎縮1人,嚴重的黃斑前膜1人,糖尿病視網(wǎng)膜病變重度非增及增殖期26人,中央靜脈阻塞6人,分支靜脈阻塞130人,重度高血壓視網(wǎng)連續(xù)進行人工智能眼底照相疾病風(fēng)險評估使得重大陽性的發(fā)現(xiàn)更加及時,有效地避免了連續(xù)進行人工智能眼底照相疾病風(fēng)險評估有助于及時發(fā)現(xiàn)威脅視力的人人人11人11人人66人人22人33人Chapter.03人工智能視網(wǎng)膜慢病風(fēng)險評估結(jié)果分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群視網(wǎng)膜是全身唯—可以直接觀察到血管和神經(jīng)的組織,全身血管是—體的,心血管和腦評估國人缺血性心腦血管疾病危險度評估的方法和評估工具?；谶m合我國人群疾病特點的,通過百萬級數(shù)據(jù)的人工智能學(xué)習(xí),可以通過視網(wǎng)膜圖像評估心腦血管疾病風(fēng)險[9]。并根據(jù)人工智能心血管疾病風(fēng)險指數(shù)和人工智能占比52.1%,女性1,749,458人次,占比47.9%。檢出40,524人次為高風(fēng)險,占比為1.1%;檢2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群占比52.1%,女性1,749,458人次,占比47.9%。檢出77,565人次為高風(fēng)險,占比為2.1%;檢0.0%總體來看,人工智能心血管風(fēng)險預(yù)測和腦血管風(fēng)險預(yù)測的高風(fēng)險和中高風(fēng)險占比隨年齡的增大而增加,從40歲-49歲年齡段開始出現(xiàn)跳躍性增長,加。因此,建議40歲以上的人群應(yīng)該定期進行心腦血管風(fēng)險的評估,警惕心腦血管事件的發(fā)2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群心腦血管疾病嚴重危害人群的健康和生命,具有高死亡率和高致殘率。近30年來我國人群中以冠心病、腦卒中為主的心腦血管病的死亡率、發(fā)病率和患病率總體呈上升趨勢,且發(fā)病年齡逐漸年輕化。全國監(jiān)測資料顯示我國心腦血管病死亡人數(shù)逐年上升,其中缺血性心臟2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群心腦血管風(fēng)險的評估是根據(jù)多種危險因素的水平高低和組合來判斷或預(yù)測個體未來發(fā)生心腦血管病急性事件的概率,進行風(fēng)險評估有助于快速有效檢出高危個體,并針對性地進行早期預(yù)防和早期干預(yù),從而預(yù)防高危心腦血管急性事件的發(fā)生和發(fā)展。對心腦血管風(fēng)險進行評估和風(fēng)險分層是預(yù)防和控制心腦血管疾病的重要前提,已經(jīng)被國內(nèi)外心腦血管病及其危險因素防治指南廣泛采用,在臨床實踐和人群在本次樣本人群中,將自述冠心病相關(guān)病史及心電圖、超聲心動圖等輔助檢查結(jié)果中提示心肌梗死的人群標記為心血管異常人群,統(tǒng)計分析人工智能心血管疾病風(fēng)險預(yù)測結(jié)果中心血管異常的檢出率。結(jié)果發(fā)現(xiàn),不同風(fēng)險人群心血管異常的檢出率存在顯著差異:人工智能心血管疾病風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為40,524,其中心血管異常的人次為11,702,高風(fēng)險人群檢出率為28.9%。這提示通過人工智能視網(wǎng)膜心血管疾病風(fēng)險評估,能夠有效地識人工智能心血管風(fēng)險預(yù)測不同風(fēng)險結(jié)果中體檢提示心血0心血管低風(fēng)險心血管中低風(fēng)險心血管中高風(fēng)險心血管低風(fēng)險心血管中低風(fēng)險心血管中高風(fēng)險心血管低風(fēng)險心血管中低風(fēng)險(人工智能預(yù)測)(人工智能預(yù)測)2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在本次樣本人群中,將自述腦卒中相關(guān)病史人群標記為腦血管異常人群,統(tǒng)計分析人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果顯示不同風(fēng)險的人群中,腦血管異常的檢出率。結(jié)果發(fā)現(xiàn),不同風(fēng)險人群腦血管異常的檢出率存在較大差異:人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為77,565,其中腦血管異常的人次為6,533,檢出率為8.4%;高風(fēng)險人群的檢出率遠高于低風(fēng)險人群。說明人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果能人工智能腦血管風(fēng)險預(yù)測不同風(fēng)險結(jié)果中體檢提示腦血0腦血管低風(fēng)險腦血管中低風(fēng)險腦血管中高風(fēng)險腦血管低風(fēng)險腦血管中低風(fēng)險腦血管中高風(fēng)險0.0%腦血管低風(fēng)險腦血管中低風(fēng)險腦血管中高風(fēng)險腦血管高風(fēng)險(人工智能預(yù)測)(人工智能預(yù)測)2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群心腦血管病是多個危險因素共同作用的結(jié)果,多個危險因素之間的相互作用可導(dǎo)致某—因素對心腦血管系統(tǒng)的危害因其他因素的存在而顯著增加。其中,高血壓、血脂異常、糖尿病等慢性疾病及煙草、飲食、運動、體重等因素均會對心腦血管健康產(chǎn)生影響[12]。另外,同動脈粥樣硬化所致心血管疾病最廣泛、最強的獨立危險因素。HCY水平升高會增加動脈粥樣硬化、心肌梗死、腦卒中、中樞血管疾病、外周血管疾病、阿爾淡海默病發(fā)生的危險性,這類患者體內(nèi)同型半跳氨酸水平明顯高于健康人,其血漿濃度與心腦血管病的程度和并發(fā)癥呈是冠心病和缺血性卒中的獨立危險因素[17]。MP0存在于動脈粥樣硬化斑塊中,可導(dǎo)致斑塊不穩(wěn)定和破裂,并與再狹窄有關(guān)。MP0作為不穩(wěn)定型斑塊的早期識別標志物,在胸痛發(fā)作后2h根據(jù)上述統(tǒng)計結(jié)果可以發(fā)現(xiàn),通過人工智能視網(wǎng)膜心腦血管風(fēng)險指數(shù)能夠較好地反映用戶心腦血管的風(fēng)險情況,能夠成為—種無創(chuàng)、快速的心腦血管風(fēng)險評估手段,也提示人工智能心腦血管風(fēng)險預(yù)測結(jié)果顯示為中高風(fēng)險或高風(fēng)險的人群,應(yīng)該及時補充超聲心動圖、頸動脈超聲、經(jīng)顱多普勒超聲、同型半跳氨酸、髓過氧化物晦、脂蛋白相關(guān)磷脂晦A2等相關(guān)檢查,302023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群30在參加視網(wǎng)膜人工智能評估的體檢人群中,健康問卷的填寫率為10.4%,其中女性占比49.1%,男性占比50.9%。本章節(jié)將聯(lián)合健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果進行統(tǒng)并依據(jù)第七次人口篩查的標準人群對分組數(shù)據(jù)的檢出率進行標化后對比,探討疾病家族史和國家心血管病中心發(fā)布的《中國心血管健康與疾病報告2020》[20]顯示:2013—2014年,2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“冠心病家族史”、“糖尿病家族史”和“腦卒中家族史”的體檢人群中）人工智能心血管風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比分別為2.2%、1.6%和1.6%）高于填寫其他疾病或無疾病的人群。2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“冠心病家族史”、“糖尿病家族史”和“腦卒中家族史”的體檢人群中）人工智能心血管風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比分別為2.2%、1.6%和1.6%）高于填寫其他疾病或無疾病的人群。說明“冠心病家族史”、“糖尿病家族史”和“腦卒中家族史”會增加健康問卷（家族病史)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析無疾病高血壓冠心病無疾病高血壓冠心病國家衛(wèi)生健康委員會發(fā)布的《中國腦卒中防治指導(dǎo)規(guī)范(2021年版)》指出:建議對大于40歲的人群進行腦卒中危險因素篩查[21]。腦卒中的危險因素包括高血壓、血脂異常、糖尿病、心房顫動、吸煙史、明顯超重或肥胖、缺乏運動和腦卒中家族史。35歲以上者每年應(yīng)至健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“冠心病家族史”和“腦卒中家族史”的體檢人群中）人工智能腦血管風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比分別為3.3%和2.9%）高于填寫其他疾病或無疾病的人健康問卷（家族病史)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群《中國心血管健康與疾病報告2020》編寫組發(fā)點解讀》顯示:全球每年約190萬人因為煙草使用或二手煙暴露引發(fā)的冠心病失去生命,約占全球冠心病死亡的1/5[20]。估計38.健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“吸煙”和“吸煙,已戒”的體檢人群中,人工智能心血管疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比1.4%,健康問卷（吸煙習(xí)慣)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析吸煙是腦血管疾病的重要危險因素。根據(jù)北京市醫(yī)保在2013年,說明戒煙會降低腦血管健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“吸煙”和“吸煙,已戒”的體檢人群中,人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比2.6%,健康問卷（吸煙習(xí)慣)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群《中國心血管健康與疾病報告2020》顯示:CAMl注冊研究的14,854例患者中,共有2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群《中國心血管健康與疾病報告2020》顯示:CAMl注冊研究的14,854例患者中,共有” ”20.8%20.8%健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)“飲酒,已戒”的體檢人群中,人工智能心血管疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比為1.2%,高于“不飲酒”的體檢人群（心血管高風(fēng)險占比1.1%）,“飲酒人群”心血管高風(fēng)險占比是“不飲酒人群”的1.1倍;同時,每周飲酒頻次越多的人群中,人工智能心血管疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比越高,說明飲酒會增加心血管疾病的風(fēng)險。健康問卷（飲酒習(xí)慣)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析150-300mg150-300mg2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群指出:每周飲酒攝入超過300mg稱為大量飲酒,可增加腦卒中發(fā)病風(fēng)險;每周酒精攝入150-性隊列研究結(jié)果顯示,較少量飲酒或戒酒者相比,大量飲酒者腦卒中發(fā)病風(fēng)險增>300mg>300mg健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)“飲酒,已戒”的體檢人群中,人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比為2.3%,高于“不飲酒”的體檢人群（腦血管高風(fēng)險占比2.1%）,“飲酒人群”腦血管高風(fēng)險占比是“不飲酒人群”的1.1倍;同時,每周飲酒頻次越多的人群中,人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比越高,說明飲酒會增加腦血管疾病的風(fēng)險。健康問卷（飲酒習(xí)慣)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對發(fā)現(xiàn)心在本次樣本人群中,在不同年度連續(xù)進行人工智能眼底照相疾病風(fēng)險評估(至少在其中兩個年度進行過人工智能眼底照相疾病風(fēng)險評估)的人群共532，168人,占總樣本人群的年齡(依據(jù)初次檢查時的年齡)分布如下,本章節(jié)將針對連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群的健康狀況進行分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對發(fā)現(xiàn)心連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群樣532,168^244,360人0.0%2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群中,參考上—章節(jié)中關(guān)于體檢提示心血管異常人群的定義,共527,190人在初次體檢時未提示心血管異常,其中724人在未來體檢中過不同年齡段的檢出率分布可以看出,年齡越大的人群,越容易在未來體檢中出現(xiàn)提示心血^^通過分析初次人工智能心血管疾病風(fēng)險預(yù)測結(jié)果,比較后次心血管異常指標的檢出率后發(fā)現(xiàn),初次評估時人工智能心血管疾病風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)心血管風(fēng)險可能的體檢異常結(jié)果概率更高,這說明人工智能心血管疾病風(fēng)險預(yù)測0.0%0.0%0.0%0302220884,8852023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群初次人工智能心血管風(fēng)險預(yù)測結(jié)果中未來體檢提示心血管風(fēng)530,969^2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群初次人工智能心血管風(fēng)險預(yù)測結(jié)果中未來體檢提示心血管風(fēng)530,969^0.04%上述結(jié)果提示,40歲以上的人群,包括人工智能心血管風(fēng)險預(yù)測結(jié)果顯示中低風(fēng)險以上的人群,更有必要每年進行至少—次健康檢查,以便能在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群中,參考上—章節(jié)中關(guān)于體檢提示腦血管異常人群的定義,共530,969人在初次體檢時未提示腦血管異常,其中186人在未來體檢中^530,9690.04%2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群通過分析初次人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果,比較后次體檢出現(xiàn)腦血管異常指標的檢出率后發(fā)現(xiàn),初次評估時人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果顯示低風(fēng)險、中低風(fēng)險、中高風(fēng)險、高風(fēng)險的人群中,后次體檢提示腦血管異常的檢出率分別為0.0%、0.0%、0.1%和0.2%,初次評估時人工智能腦血管疾病風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)腦血管風(fēng)險可能的體檢異常結(jié)果概率更高,這說明人工智能腦血管疾病風(fēng)險預(yù)測0.00%0.00%0.00%0302046初次人工智能腦血管風(fēng)險預(yù)測結(jié)果中未來體檢提示腦血管風(fēng)0.0%0.0%0.0%上述結(jié)果提示對于50歲以上的人群,包括人工智能腦血管風(fēng)險預(yù)測結(jié)果顯示中低風(fēng)險以上的人群,未來都應(yīng)該提高對定期健康監(jiān)測的重視程度,增加健康檢查的頻次,以便于及時2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群視網(wǎng)膜是糖尿病血管損傷的常見靶器官,糖尿病發(fā)展到—定階段時會在視網(wǎng)膜上出現(xiàn)微血管瘤、出血、滲出等特征性表現(xiàn)[23],高血糖是糖尿病視網(wǎng)膜病變發(fā)生的重要危險因素[24],對于尚未發(fā)生糖尿病視網(wǎng)膜病變的糖尿病患者,通過視網(wǎng)膜影像技術(shù)在視網(wǎng)膜病變發(fā)生之前進行預(yù)測,將關(guān)口前移將會更具有疾病預(yù)防的價值[25]?！伴_滾眼病研究”報道了中國成年人群糖尿病視網(wǎng)膜病變的10年發(fā)病率及相關(guān)危險因素,提出了眼底血管變化對糖尿病診斷的重要預(yù)測價值[26],鷹瞳Airdoc研發(fā)的人工智能視網(wǎng)膜糖尿病風(fēng)險指數(shù),通過百萬級數(shù)據(jù)的人工2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群本次樣本人群中,記錄人工智能糖尿病風(fēng)險預(yù)測結(jié)果的樣本共計3,656,101人次,其中男占比為14.7%;檢出871,565人次為中高風(fēng)險,占比為23.8%。402023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群40總體來看,人工智能糖尿病風(fēng)險預(yù)測高風(fēng)險的占比隨年齡的增大而增加,在50歲時出現(xiàn)跳躍性增長,而中高風(fēng)險占比在50歲時出現(xiàn)拐點,這意味著進入50歲以后,糖尿病的風(fēng)險會出現(xiàn)較大幅度的上升,中高風(fēng)險人群有較大可能變?yōu)楦唢L(fēng)險人群,提示50歲以后糖尿病風(fēng)險的顯著的增高,50歲以上的人群更應(yīng)該關(guān)注自身糖尿病的風(fēng)險情況,做好監(jiān)測和健康管理,,將空腹血糖、餐后2小時血糖和糖化血紅蛋白增高及自述糖尿病史的人群標記為糖尿病指標異?；蛱悄虿∈纷鳛樘崾咎悄虿】赡艿闹笜?將空腹血糖>7.0mmol/L、餐后2小時血糖>11.1mmol/L和糖化血紅蛋白>6.5%的受檢者,標記為糖尿病指標異常或糖尿病史人群（以下簡稱“糖尿病人2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群分析人工智能糖尿病風(fēng)險預(yù)測結(jié)果不同風(fēng)險人群中,糖尿病和糖尿病前期的檢出率。結(jié)果發(fā)現(xiàn),不同風(fēng)險人群的體檢提示糖尿病可能的檢出率存在較大差異,人工智能糖尿病風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人群共535,986人次,其中糖尿病為185,530人次,檢出率34.6%,另外,在人工智能糖尿病風(fēng)險預(yù)測結(jié)果提示中高風(fēng)險的人群中,糖尿病前期的檢出率為33.0%,這提示通過視網(wǎng)膜糖尿病指數(shù)能夠很好地提視網(wǎng)膜糖尿病風(fēng)險指數(shù)和人工智能糖尿病風(fēng)險預(yù)0糖尿病低風(fēng)險糖尿病中低風(fēng)險糖尿病中高風(fēng)險糖尿病低風(fēng)險糖尿病中低風(fēng)險糖尿病中高風(fēng)險2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在參加視網(wǎng)膜人工智能評估的體檢人群中,健康問卷的填寫率為10.4%,其中女性占比49.1%,男性占比50.9%。本章節(jié)將聯(lián)合健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果進行統(tǒng)并依據(jù)第七次人口篩查的標準人群對分組數(shù)據(jù)的檢出率進行標化后對比,探討疾病家族史和型糖尿病為主,1型糖尿病和其他類型糖尿病少見[27]。2型糖尿病的遺傳易感性存在種族差異,健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“糖尿病家族史”和“慢性腎臟疾病家族史”的體檢人群中,人工智能糖尿病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比分別為21.8%和17.8%,高于填寫其他疾病或無疾病的人群。說明“糖尿病家族史”和健康問卷（家族病史)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析無疾病高血壓冠心病2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群煙不僅是導(dǎo)致呼吸系統(tǒng)疾病、癌癥和心腦血管系統(tǒng)疾病的重要風(fēng)險因素。吸煙也與糖尿顯示:在—項中國人群的大樣本前瞻性研究中發(fā)現(xiàn),城市中吸煙的男性糖尿病發(fā)病風(fēng)險是不吸煙者的1.18倍,且開始吸煙的年齡越小2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群脂蛋白膽固醇水平升高而降低低密度脂蛋白膽固醇,從而有“吸煙,已戒”的體檢人群中,人工智能糖尿病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比19.0%,高于目前代謝綜合征防治的主要目標是預(yù)防臨床心血管疾病血管疾病者則要預(yù)防心血管事件。不過量飲酒、戒煙和保持良好情緒等,不僅能減輕胰島素抵抗和高胰島素血癥,也能改善糖耐量和“飲酒,已戒”的體檢人群中,人工智能糖尿病疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比為17.3%,健康問卷（吸煙及飲酒習(xí)慣)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析442023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群44連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對在本次樣本人群中,在不同年度連續(xù)進行人工智能眼底照相疾病風(fēng)險評估(至少在其中兩個年度進行過人工智能眼底照相疾病風(fēng)險評估)的人群共532，168人,占總樣本人群的年齡(依據(jù)初次檢查時的年齡)分布如下,本章節(jié)將針對連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群的健康狀況進行分析,了解連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對于及時發(fā)連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群樣本的性別分244,360人244,360人532,168^0.0%0.0%2,9042023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群中0.0%2,9042023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群中,參考上—章節(jié)中對糖尿病前期人群和糖尿病人群的定義,共494,712人在初次體檢時未出現(xiàn)糖尿病異常指標,其中2,904人在后次的體檢中出現(xiàn)糖尿病的異常指標,檢出率為0.6%。在初次體檢未出現(xiàn)但后次出現(xiàn)糖尿病異^2,9042,904^0.6%0.6%046290247,4092023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群通過分析初次人工智能糖尿病風(fēng)險預(yù)測結(jié)果,比較后次體檢出現(xiàn)糖尿病異常指標的檢出率后發(fā)現(xiàn),初次評估時人工智能糖尿病風(fēng)險預(yù)測結(jié)果顯示低風(fēng)險、中低風(fēng)險、中高風(fēng)險、高風(fēng)險的人群中,后次體檢出現(xiàn)糖尿病異常指標的檢出率分別為0.1%、0.2%、0.9%和2.4%,初次評估時人工智能糖尿病風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)糖尿病可能的體檢異常結(jié)果概率更高,這說明人工智能糖尿病風(fēng)險預(yù)測結(jié)果能夠提示未來的初次人工智能糖尿病風(fēng)險預(yù)測結(jié)果中未來體檢提示糖尿病風(fēng)上述統(tǒng)計結(jié)果提示,40歲以上的人群、人工智能糖尿病風(fēng)險預(yù)測結(jié)果顯示為中高風(fēng)險以上的人群、體檢提示糖尿病前期的人群,更應(yīng)該加強持續(xù)的健康監(jiān)測,有助于及時了解健康狀況的變化,早期發(fā)現(xiàn)疾病隱患,減少不良事件的發(fā)生。2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群高血壓的發(fā)生對眼部的結(jié)構(gòu)與功能有著深刻的影響,血壓升高可引起視網(wǎng)膜、脈絡(luò)膜及視神經(jīng)結(jié)構(gòu)的循環(huán)障礙,繼發(fā)—系列病理生理改變[28],研究表明,視網(wǎng)膜小動脈變細的人群更易發(fā)生高血壓,因此視網(wǎng)膜不僅能監(jiān)測高血壓的血管損傷情況,同時對高血壓的風(fēng)險也具有預(yù)測作用[29],人工智能視網(wǎng)膜高血壓風(fēng)險指數(shù)是鷹瞳Airdoc研發(fā)的高血壓風(fēng)險預(yù)測工具,通過百萬級數(shù)據(jù)的人工智能學(xué)習(xí)能夠通過眼底照相識別人群的高血壓風(fēng)險2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群本次樣本人群中,記錄人工智能高血壓風(fēng)險預(yù)測結(jié)果的樣本共計3,656,101人次,其中男總體來看,高血壓風(fēng)險指數(shù)高風(fēng)險占比隨年齡的增大而增加,在50歲時出現(xiàn)跳躍性增長,而中高風(fēng)險占比在50歲時出現(xiàn)拐點,這意味著進入50歲以后,高血壓的風(fēng)險會出現(xiàn)較大幅度的上升,中高風(fēng)險人群有較大可能變?yōu)楦唢L(fēng)險人群,提示50歲以后高血壓風(fēng)險的顯著的增高,提示50歲及以上的人群,應(yīng)該提高對高血壓風(fēng)險的重視程度,關(guān)注自身的高血482023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群48在本次樣本人群中,根據(jù)《中國高血壓防治指南（2018年）》中的標準,將收縮壓>140mmHg或舒張壓>90mmHg或自述高血壓病史的人群標記為高血壓指標異?；蚋哐獕?0-12060-800高血壓低風(fēng)險高血壓中低風(fēng)險高血壓中高風(fēng)險高血壓低風(fēng)險高血壓中低風(fēng)險高血壓中高風(fēng)險高血壓低風(fēng)險高血壓中低風(fēng)險高血壓中高風(fēng)險高血壓低風(fēng)險高血壓中低風(fēng)險高血壓中高風(fēng)險2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群人工智能高血壓風(fēng)險預(yù)測和體檢提示血壓正常0結(jié)果發(fā)現(xiàn),人工智能高血壓風(fēng)險預(yù)測結(jié)果中,不同風(fēng)險人群高血壓的檢出率存在較大差異,人工智能高血壓風(fēng)險預(yù)測結(jié)果提示高風(fēng)險的人次為865，119,其中高血壓的人數(shù)共2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群人工智能高血壓風(fēng)險預(yù)測和體檢提示血壓正常0502023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群50在參加視網(wǎng)膜人工智能評估的體檢人群中,健康問卷的填寫率為10.4%,其中女性占比49.1%,男性占比50.9%。本章節(jié)將聯(lián)合健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果進行統(tǒng)并依據(jù)第七次人口篩查的標準人群對分組數(shù)據(jù)的檢出率進行標化后對比,探討疾病家族史和中華醫(yī)學(xué)會發(fā)布的《中國高血壓防治指南2018年修訂版》指出:高血壓危險因素包括遺傳因素、年齡以及多種不良生活方式等多方面[30]。人群中普遍存在危險因素的聚集,隨著高血壓危險因素聚集的數(shù)目和嚴重程度增加,血壓水平呈現(xiàn)上升趨勢,高血壓患病風(fēng)險增大。健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“高血壓家族史”和“糖尿病家族史”的體檢人群中,人工智能高血壓風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比分別為27.0%和25.6%,高于填寫其他疾病或無疾健康問卷（家族病史)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析無疾病高血壓2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群制高血壓,降低高血壓的心、腦、腎與血管并發(fā)癥發(fā)生和死亡的總危險[31]。應(yīng)根據(jù)高血壓患者的血壓水平和總體風(fēng)險水平,決定給予改善生活方式和降壓藥物的時機與強度。戒煙的益處十分肯定。醫(yī)師應(yīng)強烈建議并督促高血壓患者戒煙。必要時,指導(dǎo)患者應(yīng)用戒煙藥物,減健康問卷和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析數(shù)據(jù)顯示:在健康問卷中填寫“吸煙”和“吸煙,已戒”的體檢人群中,人工智能高血壓風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比27.4%,高中華醫(yī)學(xué)會發(fā)布的《中國高血壓防治指南2018年修訂版》指出:限制飲酒與血壓下降顯著有關(guān)少量飲酒有利于心血管健康的證據(jù)尚不足,相關(guān)研究表明,即使對少量飲酒的人而言,減少酒精攝入量也能夠改善心血管健康,減少心血管疾病的發(fā)病風(fēng)險?！帮嬀?已戒”的體檢人群中,人工智能高血壓疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比為26.1%,“不飲酒人群”的1.1倍;同時,每周飲酒頻次越多的人群中,人工智能高血壓疾病風(fēng)險預(yù)測結(jié)果為高風(fēng)險的占比越高,說明飲酒會增加高血壓疾病的風(fēng)險。健康問卷（吸煙習(xí)慣及飲酒習(xí)慣)和人工智能疾病風(fēng)險預(yù)測結(jié)果聯(lián)合分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對在本次樣本人群中,在不同年度連續(xù)進行人工智能眼底照相疾病風(fēng)險評估(至少在其中兩個年度進行過人工智能眼底照相疾病風(fēng)險評估)的人群共532，168人,占總樣本人群的齡(依據(jù)初次檢查時的年齡)分布如下,本章節(jié)將針對連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群的健康狀況進行分析,了解連續(xù)進行人工智能眼底照相疾病風(fēng)險評估對于及時發(fā)現(xiàn)疾病情況,避免不良預(yù)后的重要意義。連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群樣本的性別分244,360人532,168244,360人532,168^0.0%2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群中,參考上—章節(jié)中對血壓正常高值人群和高血壓人群的定義,共426,539人在初次體檢時未出現(xiàn)高血壓的異常指標,其中8,789人在后次體檢中出現(xiàn)高血壓異常指標,檢出率為2.1%。在這8,789中6,013人年齡在40歲以上2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在連續(xù)進行人工智能眼底照相疾病風(fēng)險評估人群中,參考上—章節(jié)中對血壓正常高值人群和高血壓人群的定義,共426,539人在初次體檢時未出現(xiàn)高血壓的異常指標,其中8,789人在后次體檢中出現(xiàn)高血壓異常指標,檢出率為2.1%。在這8,789中6,013人年齡在40歲以上,^^26882,0862,0282,0912023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群通過分析初次人工智能高血壓風(fēng)險預(yù)測結(jié)果,比較后次體檢出現(xiàn)高血壓異常指標的檢出率后發(fā)現(xiàn),初次評估時人工智能高血壓風(fēng)險預(yù)測結(jié)果顯示低風(fēng)險、中低風(fēng)險、中高風(fēng)險、高風(fēng)險的人群中,后次體檢出現(xiàn)高血壓異常指標的檢出率分別為0.4%、1.5%、3.6%和6.5%,初次評估時人工智能高血壓風(fēng)險預(yù)測結(jié)果顯示等級越高的人群,預(yù)測在未來體檢過程中出現(xiàn)高血壓風(fēng)險可能的體檢異常結(jié)果概率更高,這說明人工智能高血壓風(fēng)險預(yù)測結(jié)果能夠提示未初次人工智能高血壓風(fēng)險預(yù)測結(jié)果中未來體檢提示高血上述統(tǒng)計結(jié)果提示,40歲以上的人群、人工智能高血壓風(fēng)險預(yù)測結(jié)果顯示為中高風(fēng)險以上的人群、血壓正常高值的人群,更應(yīng)該加強持續(xù)的健康監(jiān)測,有助于及時了解健康狀況的變化,早期發(fā)現(xiàn)疾病隱患,減少不良事件的發(fā)生。2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群貧血是指人體外周血中紅細胞減少,導(dǎo)致不能對組織器官充分供氧的—組臨床綜合征[32], 會出現(xiàn)特征性表現(xiàn),例如視網(wǎng)膜背景蒼白、視盤色淡、視盤附近區(qū)域靜脈顏色變淡,與動脈基于視網(wǎng)膜圖像和真實血紅蛋白數(shù)據(jù),通過百萬級數(shù)據(jù)的人工智能學(xué)習(xí),可以通過視網(wǎng)膜圖2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群本次樣本人群中,記錄人工智能貧血風(fēng)險預(yù)測結(jié)果的樣本人群共計3,303,648人次,其中險,占比為1.7%;檢出237,032人次為中高風(fēng)險,占比為7.2%。0.6%0.4%0.6%0.4%0.9%總體來看,人工智能貧血高風(fēng)險的檢出率女性明顯高于男性,女性人工智能貧血預(yù)測結(jié)果高風(fēng)險的檢出率是男性的16倍,提示各年齡段的人群尤其是女性應(yīng)該定期進行人工智能貧血風(fēng)險評估,警惕貧血的發(fā)生。貧血是—種常見的健康問題,主要由于體內(nèi)缺乏足夠的健康紅血細胞或血紅蛋白引起。建議調(diào)整飲食,確保攝入足夠的富含鐵、維生素B12和葉酸的食物,也可針對性的補充營養(yǎng)素。對于特殊情況的貧血,建議前往醫(yī)院進2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群在本次樣本人群中,根據(jù)血紅蛋白濃度值將男性血紅蛋白濃度值<130g/L和女性血紅蛋智能貧血風(fēng)險預(yù)測結(jié)果不同風(fēng)險人群中,貧血的檢出率情結(jié)果發(fā)現(xiàn),不同風(fēng)險人群的貧血檢出率存在較大差異,人工智能貧血風(fēng)險預(yù)測結(jié)果提示工智能視網(wǎng)膜貧血風(fēng)險預(yù)測,能夠較好地評估貧血的風(fēng)險視網(wǎng)膜貧血風(fēng)險指數(shù)和人工智能貧血風(fēng)險預(yù)0貧血低風(fēng)險貧血中低風(fēng)險貧血中高風(fēng)險貧血低風(fēng)險貧血中低風(fēng)險貧血中高風(fēng)險2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群老年癡呆是—組嚴重威脅老年人身心健康的綜合征,至今發(fā)病機制尚未完全明確,但已確認與神經(jīng)退行性變、腦血管病變、感染、外傷、腫瘤、營養(yǎng)代謝障礙等多種原因有關(guān)。老年癡呆的特征是認知功能在兩個或兩個以上的領(lǐng)域(如記憶、執(zhí)行功能、注意力、語言、社會認知和判斷等)受損,并可伴有人格改變、精神行為癥狀等,不能歸因于正常老化。目前,老年期(年齡超過65歲)癡呆已成為多發(fā)病和常見病,國家和全社會的重視程度不斷提升,但疾病的治療仍是世界范圍的難題,癡呆防治重點在于通過早期識別高危人群,針對性提供視網(wǎng)膜是全身唯—可以直接觀察到血管和神經(jīng)的組織,視神經(jīng)是中樞神經(jīng)系統(tǒng)的—部分,其形態(tài)和功能變化與系統(tǒng)性疾病如老年癡呆等疾病相互印證[35],研究表明癡呆患者的視網(wǎng)膜年內(nèi)發(fā)生老年癡呆的危險度評估的方法和工具?；趪H公認的CAlDE癡呆風(fēng)險評估模型[36],通過百萬級數(shù)據(jù)的人工智能學(xué)習(xí),可以通過視網(wǎng)膜圖像評估老年癡呆發(fā)生的風(fēng)險,并根據(jù)人本次樣本人群中,記錄人工智能老年癡呆風(fēng)險預(yù)測結(jié)果的樣本人群共計1,903,172人次,風(fēng)險,占比為0.3%;檢出86,075人次為中高風(fēng)險,占比為4.5%。2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群1,000,039人次1,000,039人次總體來看,人工智能老年癡呆的高風(fēng)險和中高風(fēng)險的集中在50歲以上,并在60歲以后出現(xiàn)快速增長。提示各較大年齡段的人群應(yīng)該定期進行人工智能老年癡呆風(fēng)險評估,合理安排Chapter.04視網(wǎng)膜影像人工智能技術(shù)應(yīng)用論文摘要和解讀602023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群602022年,愛康集團與鷹瞳科技攜手北京大學(xué)臨床研究所、北京大學(xué)第—醫(yī)院、首都醫(yī)科大學(xué)附屬同仁醫(yī)院、北京大學(xué)首鋼醫(yī)院、上海市靜安區(qū)市北醫(yī)院等多家醫(yī)院的合作研究成果在國際知名期刊《科學(xué)通報》雜志(scienceBulletin,scl影響因子20.57了—個人工智能算法模型,可根據(jù)個體的眼底照片估算其未來10年內(nèi)發(fā)生缺血性心血管疾病的風(fēng)險。這是我國首個嘗試結(jié)合人工智能技術(shù)和眼底照片信息預(yù)測國人發(fā)生心腦血管疾病風(fēng)隨著我國人口老齡化進程的加速,心血管疾病的發(fā)病率也逐年增加,其中缺血性心血管死亡的主要原因,其預(yù)防和早期診斷對于提高患者生存率和生活質(zhì)量具有至關(guān)重要的作用[39]。2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群傳統(tǒng)的lcvD風(fēng)險評估模型需要進行問卷和檢查收集多項信息,且計算過程相對繁瑣,在臨床應(yīng)用上受到限制。而從解剖學(xué)和發(fā)育學(xué)的角度上來看,視網(wǎng)膜是大腦的延伸,也是觀察人體微小血管和神經(jīng)的絕佳窗口,其特征與lcvD的多個危險因素如高血壓、糖尿病等存在密切的關(guān)聯(lián),因此視網(wǎng)膜具有預(yù)測lcvD風(fēng)險的潛在價值[40]。近年來,免散瞳眼底照相技術(shù)與人工智能技術(shù)飛速發(fā)展,也使開發(fā)通過眼底圖像預(yù)測lcvD風(fēng)險的人工智能工具成為可能。研究團隊歷時五年,基于近40萬中國人的健康數(shù)據(jù)開發(fā)了—個算法模型,使用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)通過眼底圖像預(yù)測10年內(nèi)發(fā)生lcvD事件的風(fēng)險。為了驗證這個算法模型評估lcvD風(fēng)首先使用與模型訓(xùn)練同源的2萬余人的健康數(shù)據(jù)作為內(nèi)部驗證,驗證結(jié)果顯示使用該模型篩查10年lcvD風(fēng)險臨界/中等及以上(>5%/>7.5%)人群的受試者工作特征曲線下面積 隊列,共納入了—千余人的健康數(shù)據(jù)來進行外部測試。測試結(jié)果顯示,該模型篩查10年lcvD風(fēng)險為臨界/中等及以上(>5%/>7.5%)的AUc也達到了0.859和0.876。兩次驗證結(jié)果均表示這—新型預(yù)測工具對于中國人lcvD高風(fēng)除此之外,研究人員還進—步驗證了人工智能模型預(yù)測風(fēng)險值和傳統(tǒng)模型計算風(fēng)險值的擬合優(yōu)度(R2score),在內(nèi)部和外部驗證集上分別為0.876、0.638,這表明了模型預(yù)測的這—新型預(yù)測工具開發(fā)成功后,因其快速、無創(chuàng)和自動化的優(yōu)點,已被廣泛應(yīng)用于各級醫(yī)院及健康管理機構(gòu)中,對早期發(fā)現(xiàn)心血管病高危人群,指導(dǎo)積極干預(yù),監(jiān)測和評價干預(yù)效其在愛康體檢人群中的應(yīng)用數(shù)據(jù)見第三章人工智能視網(wǎng)膜慢病風(fēng)險評估結(jié)果分析中心腦2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群《AgeandAgeing/12.782》Developmentandvalidati開發(fā)和驗證—種基于眼底照片的深度學(xué)習(xí)算法,用于估計CAlDE癡呆風(fēng)險評分2022年,愛康集團、鷹瞳科技攜手北京大學(xué)臨床研究所聯(lián)合多學(xué)科專家合作的研究成果解放軍總醫(yī)院、美國華盛頓大學(xué)、北京同仁醫(yī)院、北京安貞醫(yī)院等多家科研院所、高校參與了研究。研究開發(fā)了—項基于眼底照片的人工智能算法,可快速估算未來20年發(fā)生癡呆的風(fēng)險,從而準確識別癡呆高風(fēng)險人群。該研究是全球首個結(jié)合人工智能技術(shù)和眼底照片信息以隨著人口老齡化日趨嚴重,由癡呆導(dǎo)致的疾病負擔(dān)在本世紀預(yù)計將會持續(xù)快速增長。如何準確、高效地從人群中篩查出癡呆的高風(fēng)險者,從而積極有效地加以早期干預(yù),是癡呆防前國際上認可度最高的癡呆風(fēng)險預(yù)測工具,可以預(yù)測中年人20年后發(fā)生癡呆的風(fēng)險[36]。但其計算需要采血、收集多維度的健康信息,有創(chuàng)、耗時且計算復(fù)雜,難以推廣應(yīng)用。視網(wǎng)膜與大腦在解剖學(xué)和發(fā)育學(xué)上存在同源性,既往大規(guī)模人群研究發(fā)現(xiàn)眼底微血管異常與癡呆的發(fā)病顯著相關(guān)。而迅速發(fā)展的眼底照相技術(shù)和人工智能技術(shù)也讓通過視網(wǎng)膜早期2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群研究團隊基于我國19省市共近26萬人包括視網(wǎng)膜圖像的多模態(tài)健康數(shù)據(jù)開發(fā)了人工智能算法模型,利用卷積神經(jīng)網(wǎng)絡(luò)通過眼底圖像估算其20年內(nèi)發(fā)生癡呆的風(fēng)險。為了更進—步地評估模型預(yù)測風(fēng)險的性能,研究人員還在不同人群數(shù)據(jù)集中使用了多種方法進行驗在—萬余人的內(nèi)部驗證和兩萬余人的外部驗證中,研究人員分別驗證了人工智能模型預(yù)測風(fēng)險值和傳統(tǒng)模型計算風(fēng)險值的擬合優(yōu)度(R2score),結(jié)果分別為0.80、0.58,這表明在內(nèi)部驗證和外部驗證數(shù)據(jù)集中,模型識別癡呆高風(fēng)險人群(將CAlDE風(fēng)險評分>10分研究人員還使用多元線性回歸模型分析了癡呆風(fēng)險評分與認知功能現(xiàn)狀的關(guān)聯(lián)性,結(jié)果顯示算法預(yù)測的CAlDE癡呆風(fēng)險評分與受試者的綜合認知功能、各領(lǐng)域認知功能得分均顯著基于眼底照片的癡呆風(fēng)險評估易操作,非侵入,且具有成本效益,適合于在健康體檢中心加以推廣應(yīng)用,將極大節(jié)省篩查的人力和物力,在全生命周期的健康管理時代助力體檢的個體化、精準化升級。目前,該研究開發(fā)的人工智能算法模型已逐步規(guī)模應(yīng)用于我國體檢人群,用以早期識別癡呆高危個體。其在愛康體檢人群中的應(yīng)用數(shù)據(jù)見第三章人工智能視網(wǎng)膜慢病風(fēng)險評估結(jié)果分析中癡呆2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群《JAMANetworkOpen/13.353》2022年,愛康集團與鷹瞳科技攜手首都醫(yī)科大學(xué)附屬北京同仁醫(yī)院、宣武醫(yī)院、復(fù)興醫(yī)院等8家醫(yī)院合作開展的全國性多中心研究成果發(fā)表在《美國醫(yī)學(xué)會雜志》子刊(JAMANetwork0pen,scl影響因子13.353)上。研究結(jié)果顯示,基于眼底照片訓(xùn)練的Al算法模型在全國多中心的真實世界驗證中,對10種常見眼底疾病的篩查敏感度堪比資深眼底專家,且2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群準確、可靠且具備衛(wèi)生經(jīng)濟學(xué)效益的眼底疾病篩查方法越來越受到臨床醫(yī)生及科研人員的廣泛關(guān)注,隨著人工智能技術(shù)的不斷發(fā)展,臨床醫(yī)學(xué)與人工智能的交叉研究廣泛開展并產(chǎn)生優(yōu)異成果。其中,2021年鷹瞳科技和多家醫(yī)院合作開展了“Al視網(wǎng)膜多病種輔助診斷系統(tǒng)”全國性真實世界研究,研究結(jié)果顯示,Al視網(wǎng)膜多病種輔助診斷系統(tǒng)在真實世界中識別14種常見的視網(wǎng)膜異常時表現(xiàn)出優(yōu)異的性能,準確率嫂美眼底病專家i44]。該研究成功入選2021年在此基礎(chǔ)之上,科研人員也開始研究如何利用基于深度學(xué)習(xí)的人工智能開展大面積人群的眼底疾病篩查和雙向轉(zhuǎn)診,從而幫助克服眼科醫(yī)療資源的不在這項全國性多中心研究中,研究團隊基于12萬張眼底照片開發(fā)了視網(wǎng)膜人工智能診斷系統(tǒng)RAlDS,用來識別多種眼底疾病,包括糖尿病性視網(wǎng)膜病變、青光眼、黃斑裂孔、黃斑前膜、高血壓視網(wǎng)膜病變、視網(wǎng)膜有髓神經(jīng)纖維、視網(wǎng)膜色素變性、年齡相關(guān)性黃斑變性、視網(wǎng)膜靜脈阻塞及病理性近視。在內(nèi)部驗證中,RAlDS對于正常眼底和各種異常眼底圖像的2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群為了進—步驗證該人工智能診斷系統(tǒng)在真實臨床環(huán)境中應(yīng)用的性能和對比優(yōu)勢,研究人研究人員從我國19個省份的65家體檢機構(gòu)前瞻性收集了20萬余張眼底照片用于驗證,結(jié)果顯示為了進—步驗證RAlDS在真實臨床環(huán)境中的應(yīng)用能力,研究人員還邀請了三組共9位不同年資的眼科醫(yī)生(3位有10~15年經(jīng)驗的高級眼底病專家,3位有5~10年經(jīng)驗的初級眼底病專家和3位少于5年眼底病經(jīng)驗的眼科執(zhí)業(yè)醫(yī)師),利用了北京眼病研究和開滾眼病研究的共—萬余張眼底照片來比較RA對比結(jié)果顯示RAlDS的診斷準確性等于甚至優(yōu)于眼科醫(yī)生,包括經(jīng)驗豐富的眼底病專家,而且在10研究人員統(tǒng)計了—張眼底照片評估的平均用時分別為:R為了更加貼近臨床使用場景,研究人員又將RAlDS與人類眼科醫(yī)生結(jié)合,讓RAl篩,檢測到異常的圖像再由人類眼科醫(yī)生來進行最終的診斷。與單獨基于眼科醫(yī)生的檢查相比,RAlDS系統(tǒng)聯(lián)合眼科醫(yī)生的臨床篩查模式在取得相似準確性的基礎(chǔ)視網(wǎng)膜人工智能診斷系統(tǒng)在全國性多中心的大量人群驗證中表現(xiàn)出了強大的性能,可以準確、可靠且快速地篩查多種眼底疾病,在大規(guī)模篩查的真實臨床場景中具備廣闊的應(yīng)用前景,是幫助欠發(fā)達地區(qū)解決眼科醫(yī)療資源匿乏難題,助推全國眼健康事業(yè)的發(fā)展。人工智能視網(wǎng)膜影像技術(shù)可以準確、快速地進行多種眼病的篩查,有助于實現(xiàn)全國致盲眼病的早篩早診、實現(xiàn)大規(guī)模人群的眼健康篩查和管理。該技術(shù)已廣泛應(yīng)用于多種眼病的篩查和管理,Al和眼健康管理實現(xiàn)深度融合,也將在此領(lǐng)其在愛康體檢人群中的應(yīng)用數(shù)據(jù)見第二章人工智能眼底照相疾病風(fēng)險評估結(jié)果分析部分。2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群《JournalofBigData/10.835》2022年,愛康集團攜手同仁醫(yī)院等共同合作研發(fā)發(fā)表在數(shù)據(jù)科學(xué)領(lǐng)域頂級期刊和性別匹配的對照組訓(xùn)練的模型1和模型2對于甲元患者的識別準確率均較高,AUC分別達到0.907和0.850;對模型1進—步外部驗證,AUC為0.816-0.849;該研究是全球首個結(jié)合人工智能技術(shù)和眼底照片信息采用無創(chuàng)方法來評估甲狀腺功能元進的研究,也是首個基于人工智能該模型具有良好的泛化性能,可適用于不用設(shè)備不同場景,可被視為—種成本低、高效且Chapter.05基于人工智能眼底照相的眼健康深度分析2023版基于視網(wǎng)膜人工智能評估的《四百萬體檢人群近視是—種屈光不正,即當(dāng)眼睛調(diào)節(jié)放松時,遠處物體發(fā)出或反射的光線(相當(dāng)于平行光線)進入眼睛,聚焦在視網(wǎng)膜前方。大多數(shù)近視伴隨著高強度的學(xué)校教育在學(xué)齡期開始發(fā)生且快速進展,在青春期后期逐漸減緩,并在成年后趨于穩(wěn)定[45]。在某些情況下,如近距離用眼負荷過重等環(huán)境因素或高度近視家族史等遺傳因素的作用下,近視會在學(xué)齡前發(fā)生,或由于科技水平的提高,電子產(chǎn)品的普及,綜合教育水平提升和戶外活動時間的顯著減少,兒童青少年的近視率正逐年攀升,且出現(xiàn)低齡化現(xiàn)象,近視成為了全球性的健康問題。根據(jù)已發(fā)表文獻估計,當(dāng)前全球范圍內(nèi)近視患病率為33%,到2050年,估計將達到50%,影響全近視患病率的提升會帶來進—步的挑戰(zhàn)。近視尤其是高度近視可能導(dǎo)致多種眼部并發(fā)癥的風(fēng)險呈指數(shù)級增加,如病理性近視、視網(wǎng)膜脫離、青光眼、白內(nèi)障等,從而導(dǎo)致視力的降低甚至喪失[50]。統(tǒng)計顯示,近視度數(shù)每增加1.00D,發(fā)生近視性黃斑變性的風(fēng)險就會增加67%[51]。而由于近視及高度近視的發(fā)病率越來越高,病理性近視已成為第二大成年人視力損不同程度近視眼眼部并發(fā)癥的發(fā)生風(fēng)險（%)-3.00~-1.00D-6.00~-3.00D-6.00D或更高另外,如不控制近視的發(fā)生和發(fā)展,高度近視還可能會對患者的生活質(zhì)量造成影響[53],遺憾的是,經(jīng)調(diào)查,現(xiàn)階段多數(shù)人對于眼底疾病的認知非常不足,僅有14.2%的兒童青少年家長和8.5%的青少年知曉眼底疾病是高度近視并發(fā)癥之—,有22.6%的家長和39.3%的這—系列數(shù)字,反應(yīng)出我