AI视网膜成像与阿尔茨海默病检测
AI视网膜成像可能有助于在初级医疗环境中识别需要阿尔茨海默病转诊的成年人。
AI视网膜成像正在被评估为一种潜在的附加工具，用于检测有行为症状或认知能力下降的成人是否需要转诊阿尔茨海默病。一项新的诊断评估协议旨在确定基于人工智能算法的视网膜图像解读在多大程度上能够准确识别可能需要专科评估的患者。
这一理由反映了日益增长的临床需求：阿尔茨海默病在明显症状出现之前就开始了，而针对早期疾病的新兴疗法增加了及时诊断的重要性。视网膜成像提供了进入这个问题的非侵入性途径，因为视网膜和大脑具有神经起源，并且视网膜变化已被证明与神经退行性疾病相关。
为什么视网膜可能很重要
该协议强调了几个可能与阿尔茨海默病检测相关的视网膜特征，包括视网膜神经纤维层变薄、微血管变化，以及可能与淀粉样β蛋白和磷酸化tau相关的信号。正在考虑的成像方法包括光学相干断层扫描、OCT血管造影、眼底摄影、激光眼底镜检查、高光谱成像和多模态技术。
AI视网膜成像可能通过分析视网膜层、血管尺寸、血管配置和灰度图像特征来加强解释。符合条件的算法可能包括人工神经网络、卷积神经网络、循环神经网络和其他包含训练阶段的机器学习方法。
初级医疗转诊路径
拟议的临床角色不是独立诊断。相反，AI视网膜成像将被评估为疑似阿尔茨海默病成人（包括轻度行为障碍或轻度认知障碍患者）的附加测试。在初级医疗中，它可能提高识别应该转诊至神经科的患者的敏感性和特异性。
该评估将包括前瞻性、横断面、回顾性、诊断病例对照和选定的基于注册表的研究，同时承认与设计相关的偏倚风险。参考标准可能包括神经科医生评估、神经认知问卷、血液检测、神经影像学或腰椎穿刺生物标志物，最可靠的评估标准是结合病史、认知评估、生物标志物和神经影像学。
测量诊断准确性
计划中的评估将提取包括敏感性、特异性、阳性预测值、阴性预测值在内的诊断性能指标，以及构建2 × 2列联表所需的数据。在研究对阿尔茨海默病严重程度进行分类的情况下，异常阶段（如轻度、中度或晚期疾病）将被合并为阳性测试类别进行分析。
如果有足够的数据可用，主要分析将集中在外部验证研究上。异质性将通过研究设计、临床环境、视网膜成像方式、AI算法类型、验证方法和用于分期的阈值进行探索。
参考文献
Panjwani M等人。使用视网膜图像检测和分期阿尔茨海默病的人工智能。Cochrane Database Syst Rev. 2026;5:CD016358. doi: 10.1002/14651858.CD016358。
特色图片：Adobe Stock上的Jestercine。
【全文结束】
