日本東北大學研究生院醫學系研究科眼科學領域的中澤徹教授、二宮高洋非常勤講師等人的研究團隊，開發出了可僅憑一張眼底照片高精度推算反映人體年齡的視網膜年齡的人工智慧（AI）技術。該技術有望成為從單張眼底圖像解讀全身老化與健康狀態的全新方法。相關成果已發在於《Communications Medicine》上。
圖1. 通過眼底照片推斷「視網膜年齡」的AI技術概要圖（供圖：東北大學二宮高洋非常勤講師）
視網膜是體內少數能夠非侵入性地直接觀察血管及神經狀態的部位之一。近年來，從眼底圖像讀取全身狀態的「眼部組學」頗受關注，從眼底照片推斷出的年齡與實際年齡的差異，被認為可作為生物學老化的指標。另一方面，一旦更換拍攝設備或檢測對象，模型精度便容易下降，因此業界亟需一款便於在體檢、臨床研究等場景使用、通用性強的演算法模型。
研究團隊從健康體檢拍攝的眼底照片中篩選出畫質無問題的50595張圖像用於AI訓練，開發出了一款能從單張眼底照片推斷視網膜年齡的AI，並使用另外7288張圖像進行了內部驗證，通過推測年齡以及同時學習反映近2～3個月平均血糖水平的HbA1c，再結合對5個AI模型預測結果取平均值的集成學習，實現了對視網膜老化規律更穩定的捕捉。HbA1c僅在模型訓練階段作為輔助數據使用，實際進行視網膜年齡推算時，只需一張眼底照片即可。
驗證結果顯示，內部驗證平均誤差為2.78歲，獨立的外部受試群體平均誤差為3.39歲；在海外的外部群體（4992隻眼）測試中，平均誤差達8.63歲，優於現有方法的9.02歲。研究還發現，5個AI模型預測值的標準差有望作為預測可信度的判斷標準，在內部驗證中，波動較小的組別平均誤差僅2.46歲，具備更高的推算精度。即便在獨立的外部人群驗證中，數據波動較小組的平均誤差僅為2.87歲，優於波動較大組的3.91歲。
此外，在匹配年齡與性別的分析中，患有糖尿病、心臟病、腦卒中的人群，其視網膜年齡差距顯著增大。
海外外部驗證是與英國倫敦大學學院的Pearse A. Keane研究室合作研究的一部分，使用了英國大規模眼科圖像數據庫「AIzEye2018」的數據。
今後有望通過體檢及眼科門診常規拍攝的眼底照片，無需額外採血，即可作為評估全身健康狀況的輔助工具投入應用。另一方面，本次研究採用的是橫斷面分析方法，至於能夠在多大程度上精準預測未來疾病的發病風險，仍有待今後進一步驗證。研究團隊表示，將以本次獲得的數據為基礎，進一步探究視網膜年齡差值的變化與全身性疾病發病之間的關聯。
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：Communications Medicine
論文：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
