核心要点

• 问题：内分泌代谢病（糖尿病、痛风等）筛查高度依赖血检，受后勤、成本与依从性制约，大规模人群筛查难以落地。
• 方法：Reti-Pioneer 融合质量感知模块与预训练视觉基础模型，从一张眼底彩照同步筛查六种全身慢病。
• 结果：2型糖尿病临床试点阴性预测值（NPV）达 0.966（95% CI 0.946–0.983），超越芬兰糖尿病风险评分；单例筛查 30.6±6.0 秒。
• 意义：为"眼组学（oculomics）“从实验走向基层低成本筛查提供高级别循证，可显著减少不必要血检。
• 原文：AI framework for multidisease detection via retinal imaging，Nature Medicine，2026-04-28 | DOI: 10.1038/s41591-026-04359-w | PMID: 42050182

内分泌代谢病的筛查困境

内分泌与代谢性疾病（Endocrine and Metabolic Diseases, EMD）的全球负担持续攀升。以2型糖尿病（Type 2 Diabetes Mellitus, T2DM）为例，相当比例患者在确诊时已出现并发症；痛风、骨质疏松、高血压、高脂血症、甲状腺疾病同样因"起病隐匿、症状不特异"而大量漏诊。

当前筛查模式高度依赖基于血液的生物标志物——即便采用微创采血，仍面临后勤障碍、患者不适与高昂成本，难以支撑纵向监测与大规模人群筛查。这种"重化验、轻初筛"的路径，正是 Reti-Pioneer 想要破解的痛点：能否用一种无创、极低成本、30秒可完成的检查，先做一次高效的分流？

Reti-Pioneer 由广东省人民医院（广东省医学科学院）余洪华教授团队联合华南理工大学、新加坡国立大学、墨尔本大学等机构完成，其创新性体现在三点：

1. 多任务统一框架：不同于单病种模型，Reti-Pioneer 在一次推理中同步输出 T2DM、痛风（Gout）、骨质疏松（Osteoporosis）、高血压（Hypertension）、高脂血症（Hyperlipidemia）与甲状腺疾病（Thyroid Disease）六种疾病的筛查概率，显著提升单次检查的边际价值。
2. 质量感知模块：内置图像质量评估，自动过滤模糊、曝光异常等不合格眼底照，降低基层拍摄条件下的误判风险——这也是其能在社区队列稳定泛化的关键。
3. 预训练视觉基础模型迁移：借助在大规模视网膜图像上预训练的基础模型，用小样本即可迁移到多病种，规避了从零训练对海量标注的依赖。Nature Medicine评价其为"眼组学走向可操作临床筛查"的可转化路径。

正如我们此前报道的 COMPASS 泛癌基础模型 与 NeuroVFM 脑影像基础模型，Reti-Pioneer 再次印证了"预训练基础模型 + 下游多任务"在医疗 AI 中的通用范式。

技术原理：质量感知与基础模型的协同

Reti-Pioneer 的技术路线可概括为：输入一张彩色眼底照（Color Fundus Photography, CFP）→ 质量感知模块判定可用性并归一化 → 预训练视觉基础模型（Vision Foundation Model）提取眼底血管、视神经、黄斑等区域的深层表征 → 多任务头（Multi-task Head）并行预测六种疾病风险。

其核心机制在于"眼组学”：视网膜微血管与全身代谢状态高度相关，眼底照中蕴含血糖、尿酸、骨密度等的间接信号。基础模型先在海量视网膜图像上学到通用表征，再通过多中心数据微调，使单一模态承载多种系统性疾病信息。

数据说话：六病筛查性能一览

Reti-Pioneer 使用来自社区与医院队列的107,730 张彩色眼底照开发，内部测试集各病种 AUROC（受试者工作特征曲线下面积）如下：

框架在来自资源有限与资源丰富地区的6 个外部队列中均表现良好，并通过血浆蛋白质组学相关性验证了生物学可解释性。在一项基层**隐蔽试验（silent trial）**中，单例筛查仅需30.6±6.0 秒，显著快于标准实验室流程。

针对 T2DM 的后续临床试点更具说服力：AUROC 达0.776（0.710–0.842），阴性预测值（NPV）0.966（0.946–0.983），超越芬兰糖尿病风险评分（Finnish Diabetes Risk Score, FINDRISC），且获得临床医生与患者高度认可。

从实验室到临床：应用前景与局限

应用前景：

• 基层首诊分流：在社区/体检中心用 30 秒眼底照完成六种慢病初筛，高 NPV 优先排除低风险人群，减少不必要血检。
• 纵向风险监测：研究展示了 5 年与 10 年间隔的风险分层能力，适合慢病长期随访。
• 资源受限地区：低成本、无创、可规模化，契合低资源场景的筛查刚需。

当前局限：

• 临床试点样本与场景仍有限，AUROC 在部分病种（如甲状腺 0.699）仅处中等水平，尚不能替代确诊检查。
• 不同人种、设备间的域偏移（domain shift）需更大规模、跨设备的前瞻验证。
• 作为筛查工具，阳性结果仍需血检等金标准确认，监管审批与真实世界部署路径仍在推进中。

结论与产业启示

Reti-Pioneer 证明：一张眼底照足以成为六种内分泌代谢病的低成本初筛入口，30 秒、高阴性预测值的特性使其成为基层分级诊疗的理想"守门人"。其"质量感知 + 预训练基础模型 + 多任务"的架构，也为医疗 AI 从单病种走向平台化提供了范本。

这与思陌智能科研服务的业务方向高度契合——我们在 AI 医疗软件开发与医疗 AI 科研服务中，同样秉持"基础模型驱动、多任务复用、循证落地"的路线，可为主管部门、医院与体检机构提供从数据治理、模型微调到私有化部署的一体化科研与转化支持。不同于我们此前报道的 Retina4IRD 聚焦遗传性视网膜病的基因诊断，Reti-Pioneer 把眼底照的价值从"看眼病"拓展到"看全身"，代表了眼组学临床转化的关键一步。

相关问题

Q：眼底照筛查慢病能替代抽血化验吗？A：不能替代。Reti-Pioneer 定位是初筛与分流工具，其高阴性预测值适合"优先排除低风险人群"；阳性结果仍需血检等金标准确诊，二者是互补而非取代关系。

Q：Reti-Pioneer 何时能进入社区医院日常使用？A：已完成隐蔽试验与 T2DM 临床试点，但更大规模跨设备前瞻验证与监管审批仍在进行。进入常态化社区使用，预计还需多中心注册研究与合规落地。

Q：对糖尿病患者意味着什么？A：意味着一次常规眼底检查可顺带完成糖尿病风险初评，30 秒、无创、低成本，高 NPV 能帮助大部分人避免不必要的抽血，提升筛查可及性。

参考文献

1. Zhang X, Li Q, Liang Y, et al. AI framework for multidisease detection via retinal imaging.Nat Med32, 2494–2503 (2026). DOI: 10.1038/s41591-026-04359-w | PMID: 42050182
2. 相关临床研究：Retina4IRD 多中心随机试验（遗传性视网膜病 AI 辅助诊断）. 见思陌此前报道 一张眼底照锁定致病基因。

本文基于AI framework for multidisease detection via retinal imaging（Zhang X et al., Nature Medicine, 2026）的独立解读，仅供学术交流，不构成临床建议。