由新加坡国立大学杨潞龄医学院、英国穆尔菲尔兹NHS基金会、伦敦大学学院及香港中文大学联合领导的全球研究联盟，成功启动"全球RETFound计划"，利用1亿张眼底图像打造医学领域首个全球代表性AI基础模型。这项发表于《自然医学》的跨国合作涉及100多个国家的研究团队，构建了迄今为止地域和族群覆盖最广泛的医学训练数据集。
该计划建立在2023年《自然》期刊发表的RETFound模型基础上。原始模型通过伦敦穆尔菲尔兹医院160万张眼底图像验证了AI诊断视网膜及系统性疾病的可能性，而新模型将训练数据扩展至除南极洲外的所有大陆。"当前AI模型训练数据存在地理和人口局限，这种数据窄化会加剧医疗不平等"，项目核心成员、新加坡国立大学副教授Yih Chung Tham指出，"我们创新的双轨数据共享框架，既允许机构本地微调仅上传模型参数，也支持加密数据直传，确保不同资源水平的团队都能参与。"
伦敦大学学院AI医学教授Pearse Keane强调该模型的突破性在于：通过真实与合成数据结合，在保障隐私前提下实现全球数据代表性。"新模型不仅将诊断糖尿病视网膜病变、青光眼等眼科疾病，还将拓展至心血管等系统性疾病筛查"，项目组成员、香港中文大学Carol Cheung教授补充道。所有研究成果将采用知识共享许可协议开放，研究团队已着手向其他医学领域推广这一协作模式。
这项突破性研究直面医疗AI领域的系统性偏见挑战，通过跨国协作推动公平的医疗技术发展。目前联盟仍在邀请更多机构加入，其数据框架为建立更普适的医疗AI标准奠定基础。
【全文结束】
