遗传性视网膜疾病（Inherited Retinal Diseases，IRDs）是一组由基因突变引起的罕见眼病，也是儿童和青年人群不可逆性视力损伤的重要原因之一。由于不同致病基因引起的疾病往往具有相似的临床表现，而同一基因又可能呈现不同的疾病表型，准确诊断长期以来都是眼科领域面临的一项挑战。
近年来，随着基因治疗和精准医学快速发展，越来越多遗传性视网膜疾病拥有了针对性治疗方案和临床试验机会。然而，这些治疗方案均建立在明确致病基因的基础上。目前，临床主要依赖高通量基因测序进行确诊，但检测费用较高、周期较长，在部分地区获取难度较大，增加了患者的诊疗负担。
如何在基因检测之前，利用已有的临床信息快速缩小候选基因范围，提高诊断效率，成为精准眼科的重要研究方向。
在线发表截图
7月24日，清华大学医学院黄天荫教授团队联合上海交通大学、南京航空航天大学、韩国延世大学团队在《自然医学》（Nature Medicine）发表题为AI-based clinician decision support system for diagnosis of inherited retinal diseases: a multicenter, randomized trial的研究论文。
研究团队开发了一套人工智能临床决策支持系统（Clinical Decision Support System，CDSS）——Retina4IRD，并通过多中心验证及前瞻性随机对照试验，证实该系统能够显著提高遗传性视网膜疾病致病基因预测的准确率，为人工智能在遗传病精准诊疗中的临床应用提供了高质量循证医学证据。
人工智能临床决策支持系统Retina4IRD
从临床需求出发，构建AI辅助决策系统
与传统人工智能研究不同，Retina4IRD并非直接替代医生进行疾病诊断，而是定位于基因检测前的辅助决策工具。研究团队希望借助人工智能分析患者眼底影像及临床信息，帮助医生更快、更准确地筛选最有可能的致病基因，为后续遗传检测和治疗决策提供参考。
Retina4IRD 系统架构
系统融合了眼底彩照（CFP）、光学相干断层扫描（OCT）以及患者年龄、发病年龄、病程和家族史等多模态临床信息，可输出17个预测类别，包括15个目前已有获批治疗方案或相关临床试验机会的候选致病基因类别，以及“其他目前尚无可用治疗的基因型”和“未检出明确致病基因”两个综合类别。
为了验证模型的可靠性，研究团队首先收集了来自中国、韩国和波兰多个中心、1843例经基因检测确诊患者的数据进行训练和外部验证，随后进一步开展真实临床环境下的随机对照试验，系统评估AI辅助诊疗的实际效果。
多中心验证显示模型具有良好的泛化能力
人工智能模型能否真正应用于临床，关键在于是否能够适用于不同地区、不同设备以及不同患者群体。
研究结果显示，在内部测试集中，Retina4IRD的Top-5候选致病基因预测准确率达到90%以上；在中国、韩国和波兰等多个独立外部验证队列中，模型依然保持了较高的预测准确率，显示出良好的跨中心、跨人群泛化能力。
进一步分析发现，即使仅使用临床常规检查中的眼底彩照或OCT图像，模型依然能够维持较好的预测性能，并能够有效区分遗传性视网膜疾病与部分具有相似表现的非遗传性眼病。这意味着，该系统无需依赖昂贵或特殊的检查设备，更具临床推广潜力。
随机对照试验证实AI能够真正帮助医生
相比模型性能，更受关注的是人工智能是否能够改善真实世界中的临床诊疗。
为此，研究团队在7家医院开展了一项前瞻性、多中心随机对照试验，共有300例疑似遗传性视网膜疾病患者接受随机分组，其中295例获得了可用的基因检测报告并进入最终分析。进入最终分析的295例患者均具有下一代测序报告，研究以基因检测结果作为候选致病基因预测的参照标准。
试验中，一组医生在Retina4IRD辅助下完成基因预测，另一组医生则完全依靠自身经验进行判断。
临床分析结果
结果显示，AI辅助组在Top-5致病基因预测准确率上明显优于医生独立诊断组，Top-1至Top-4候选基因预测准确率也均高于无AI辅助组。进一步分析发现，在查看AI建议后，对于医生最初Top-5预测错误的病例，93.6%的判断在查看AI结果后得到正确修正；对于初始判断为正确的病例，13.9%的预测结果在参考AI后被改为错误，净决策获益为79.7%。这一结果提示，AI在本试验中总体上为医生判断带来了正向辅助作用。
除了提高诊断准确率外，Retina4IRD还能够帮助医生制定更符合患者基因特征的后续管理方案，包括是否推荐接受基因治疗或临床试验、随访周期安排、遗传咨询以及系统性评估等多个方面，进一步提升了整体诊疗质量。
从算法验证迈向临床应用
近年来，人工智能医疗研究快速发展，但真正能够进入临床实践的系统并不多，一个重要原因在于缺乏高质量临床证据。
本研究不仅完成了算法开发和多中心外部验证，还进一步采用随机对照试验这一临床研究“金标准”，验证了人工智能系统在真实医疗环境中的有效性和安全性，推动人工智能医疗系统从算法研发走向临床应用的重要一步。
研究团队指出，Retina4IRD并不是为了替代基因检测，更不是替代医生，而是作为一种基因检测前的临床决策支持工具，帮助医生更高效地筛选候选致病基因，优化诊疗流程，缩短患者确诊时间，促进精准医疗和基因治疗的发展。
随着越来越多遗传性疾病进入精准治疗时代，人工智能与临床医学的深度融合，有望让更多患者更早获得准确诊断和个体化治疗方案。这项研究不仅展示了AI在眼科精准医疗中的应用前景，也为人工智能医疗产品如何开展高质量临床验证提供了新的范例。
清华大学医学院黄天荫教授、上海交通大学医学院附属第一人民医院孙晓东教授、上海交通大学计算机学院盛斌教授为共同通讯作者；上海交通大学医学院附属第一人民医院贾慧珣、曲彦霖、陈洁琼、李彤，南京航空航天大学人工智能学院钱波、郑常乐，清华大学医学院博士后王锦园，韩国延世大学医学院 Jinu Han 为论文共同第一作者。清华大学医学院博士生金依笑、博士毕业生陈海潮作为共同作者参与了本研究。
文图来源 | 医学院、《自然医学》杂志
科研动态