6月11日，上海科技大学生物医学工程学院钱学骏教授课题组，联合复旦大学附属眼耳鼻喉科医院等机构在《npj 数字医学》（npj Digital Medicine）在线发表题为“An ultrasound foundation model for the stratification of vision impairment and eye cancer risk” 的研究论文。研究提出眼科超声视觉-语言基础模型SonoEye，并首次构建眼科风险分层体系 Eye-RADS，实现了从异常筛查、疾病诊断到风险分层和报告生成的全流程智能分析，为老龄化社会背景下的大规模眼病筛查、视力损伤预警以及眼部肿瘤早期发现提供重要技术支撑。
随着全球人口老龄化加剧，视力障碍和眼部肿瘤疾病负担持续上升。当前眼科筛查和风险评估仍高度依赖专业医生经验，缺乏统一、标准化且易推广的工具。相比眼底照相和光学相干断层扫描（OCT），眼科超声具有成本低、穿透力强、适用于包含玻璃体混浊在内的广泛人群，是评估青少年近视、老年白内障、视网膜疾病及眼内肿瘤的重要手段，但图像对比度低、操作者依赖性强等问题限制了其广泛应用。
针对上述挑战，研究团队基于70,452 名患者的 215,356 组超声图像-报告配对数据进行对比学习预训练，构建了眼科超声领域迄今规模最大的视觉语言预训练体系之一。通过三项关键创新实现临床级眼病智能分析：利用视觉—语言对比学习建立超声图像与临床报告之间的统一表征空间；引入基于注意力机制的多实例学习模块，实现多视角超声图像的患者级融合推理；结合临床知识库与原型学习机制，实现覆盖18种常见眼科疾病的细粒度鉴别诊断。
结果表明，SonoEye在眼病筛查任务中取得98.3%的敏感性和98.9%的AUC，可有效识别需要进一步检查的异常患者；在18种眼科疾病鉴别诊断任务中，患者级平均准确率达到96.3%，并在多个外部测试中心保持稳定性能。尤其是在视网膜脱离、视网膜裂孔及眼内肿瘤等超声关键疾病中，模型表现出优异的诊断能力。
此外，研究团队首次提出Eye-RADS（Eye Reporting and Data System）风险分层体系，将复杂眼科疾病统一划分为正常、视力低危、视力高危和肿瘤风险四个等级。引入年龄因素后，模型在老年群体中的风险评估性能得到进一步提升。此外，SonoEye能够结合视觉-语言对齐能力自动生成结构化诊断报告，并提供可解释性热力图，帮助医生理解模型关注区域。在包含不同资历眼科医生的读片实验中，AI辅助显著提升了非专科及青年医生的诊断准确率，显示出其在基层医疗机构和医疗资源欠发达地区的重要应用价值。
上海科技大学生物医学工程学院钱学骏教授、复旦大学附属眼耳鼻喉科医院张婷主任、郭洁主任为论文共同通讯作者。上海科技大学本科生周咨成、复旦大学硕士研究生陈鑫、上海科技大学博士研究生余东升为共同第一作者。
沪公网安备 31011502006855号