基于人工智能的视网膜生物标志物预测了多种血液性恶性瘤发病的10年风险
Amritpal Singh1, Ajay K Nooka2, Gourav Modanwal3
1Emory University, Atlanta, USA.
European journal of cancer (Oxford, England : 1990)
|September 9, 2025
概括
人工智能驱动的视网膜成像可以提前10年预测血液性恶性瘤. 这种新的方法使用眼部扫描识别高风险患者,改善早期检测和患者癌症如白血病和骨髓瘤的结果.
科学领域:
- 眼科医生 眼科 眼科
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 早期检测血性恶性瘤对于生存至关重要,但由于各种表现而具有挑战性.
- 慢性炎症是血液癌症的驱动因素,导致微血管变化.
- 高分辨率视网膜成像为早期癌症检测提供了一种非侵入性方法来量化这些微血管变化.
研究的目的:
- 评估RetHemo,一个可解释的AI工具,用于使用视网膜成像预测血液恶性瘤的发病.
- 评估该工具在诊断前10年识别高风险个体的能力.
- 将人工智能工具的性能与传统临床预测器进行比较.
主要方法:
- 从1237名英国生物银行患者的细分血管中提取了视网膜血管结构特征 (曲率,曲率,分支角度).
- 一种可解释的人工智能工具RetHemo被用来预测血液恶性瘤的发病.
- 使用无监督的层次聚类和血清蛋白质组学来识别高危子组和炎症标志物.
主要成果:
- RetHemo显示了白血病和髓瘤的显著预测性能.
- 使用视网膜血管系统特征确定了白血病,髓瘤和淋巴瘤的高危子组.
- 在高风险患者中发现炎症蛋白 (ITGAL,SLAMF7) 的升高,RetHemo的表现优于传统的临床参数.
结论:
- 人工智能驱动的视网膜生物标志物显示出作为早期血液恶性瘤检测的新型预后工具的潜力.
- 这种方法使得及时干预成为可能,从而有可能改善患者的治疗结果.
- 视网膜成像与人工智能相结合,为癌症风险分层提供了一个有希望的非侵入性策略.
