日本东北大学研究生院医学系研究科眼科学领域的中泽彻教授、二宫高洋非常勤讲师等人的研究团队，开发出了可仅凭一张眼底照片高精度推算反映人体年龄的视网膜年龄的人工智能（AI）技术。该技术有望成为从单张眼底图像解读全身衰老与健康状态的全新方法。相关成果已发在于《Communications Medicine》上。
图1. 通过眼底照片推断“视网膜年龄”的AI技术概要图（供图：东北大学二宫高洋非常勤讲师）
视网膜是体内少数能够非侵入性地直接观察血管及神经状态的部位之一。近年来，从眼底图像读取全身状态的“眼部组学”颇受关注，从眼底照片推断出的年龄与实际年龄的差异，被认为可作为生物学衰老的指标。另一方面，一旦更换拍摄设备或检测对象，模型精度便容易下降，因此业界亟需一款便于在体检、临床研究等场景使用、通用性强的算法模型。
研究团队从健康体检拍摄的眼底照片中筛选出画质无问题的50595张图像用于AI训练，开发出了一款能从单张眼底照片推断视网膜年龄的AI，并使用另外7288张图像进行了内部验证，通过推测年龄以及同时学习反映近2～3个月平均血糖水平的HbA1c，再结合对5个AI模型预测结果取平均值的集成学习，实现了对视网膜衰老规律更稳定的捕捉。HbA1c仅在模型训练阶段作为辅助数据使用，实际进行视网膜年龄推算时，只需一张眼底照片即可。
验证结果显示，内部验证平均误差为2.78岁，独立的外部受试群体平均误差为3.39岁；在海外的外部群体（4992只眼）测试中，平均误差达8.63岁，优于现有方法的9.02岁。研究还发现，5个AI模型预测值的标准差有望作为预测可信度的判断标准，在内部验证中，波动较小的组别平均误差仅2.46岁，具备更高的推算精度。即便在独立的外部人群验证中，数据波动较小组的平均误差仅为2.87岁，优于波动较大组的3.91岁。
此外，在匹配年龄与性别的分析中，患有糖尿病、心脏病、脑卒中的人群，其视网膜年龄差距显著增大。
海外外部验证是与英国伦敦大学学院的Pearse A. Keane研究室合作研究的一部分，使用了英国大规模眼科图像数据库“AIzEye2018”的数据。
今后有望通过体检及眼科门诊常规拍摄的眼底照片，无需额外采血，即可作为评估全身健康状况的辅助工具投入应用。另一方面，本次研究采用的是横断面分析方法，至于能够在多大程度上精准预测未来疾病的发病风险，仍有待今后进一步验证。研究团队表示，将以本次获得的数据为基础，进一步探究视网膜年龄差值的变化与全身性疾病发病之间的关联。
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
期刊：Communications Medicine
论文：High-accuracy retinal age prediction via fundus-based multitask learning reveals the effect of systemic disease
DOI：doi.org/10.1038/s43856-026-01573-y
