2025版基于视网膜人工智能评估的六百万体检人群健康蓝皮书

SIXMILLIONMEDICALEXAMINATIONPOPULATIONIN2025 指导单位:北京大学中国卫生经济研究中心眼睛是心灵的“窗户”,视觉是人类感知外部世界的最主要方式。《“十四五”全国眼健康规划(2021-2025年)》指出:眼健康是国民健康的重要组成部分,涉及全年龄段人群全生命期。包括盲在内的视觉损伤严重影响人民群众身心健康和生活质量,加重家庭和社会负在国家卫生健康委的指导下,至2020年末,我国盲的年龄标化患病率已低于全球平均水平。但在人口基数和老龄化的现状下,我国仍是世界上盲和视觉损伤患者最多的国家之—。数据统计显示,当今我国主要的致盲性眼病由传染性眼病转变为儿童、老年患者为主要人群眼底的视网膜作为眼睛的关键组成部分,不仅是视觉形成的起始部位,对维持正常的视觉功能起着重要的作用。同时,视网膜还是人体全身唯—可以直接、无创地观察血管和神经2019年7月,国家成立健康中国行动推进委员会,制定印发《健康中国行动(2019—2030年)》,针对健康科普、全民健身、以及心脑血管及老年健康促进等方向实施专项行动,通过政府、社会、个人协同推进,建立健全健康教育体系,促进以治病为中心向以健康为中心转变,提高人民健康水平[3]。2023年5月,为了预防和减缓老年痴呆发生,切实增强老年人的健康获得感,促进健康老龄化,国家卫生健康委发表通知,决定2023—2025年在全国组织爱康集团积极响应国家政策,坚决贯彻落实国家卫生健康工作的决策部署。为及早发现各类不可逆致盲疾病风险和健康风险,从而帮助用户更早发现、更早诊断、更早治疗。2018年底,爱康集团升级有人“管”的体检战略,发布ikangAI+,通过人工智能赋能传统体检,用更多创新科技赋能健康体检和健康管理。爱康集团与北京鹰瞳科技发展股份有限公司(以估项目。该项目与多家知名眼科医院共同开发,获得了科技部重大专项支持,运用先进的人工智能技术实现语义和量化分析,可以精准发现眼底异常改变,评估心血管疾病风险,帮助体检人群客观便捷的了解眼底健康状况和心脑膜人工智能评估的《中国体检人群眼底健康蓝皮书》,累计覆盖样本量达6,481,674人次,构建了国内规模领先的体检人群眼底健康与慢病风险关联数据库。2025年作为双方合作发布蓝体检人群对眼健康及全身慢病的重视程度,强化全民健康管理意识,为我国慢病早筛早防体2025版基于视网膜人工智能评估的《六百万体检人群082025版基于视网膜人工智能评估的《六百万体检人群3.2视网膜人工智能评估眼底异常结果分项统计分析3.4视网膜人工智能评估眼底异常结果历年比对 4.1.3家族史及生活习惯对视网膜人工4.2视网膜人工智能评估糖尿病风险4.2.2视网膜人工智能糖尿病风险评估结果的验证4.2.3家族史及生活习惯对视网膜人工智能糖尿病风险评估结果的影响4.3.2视网膜人工智能高血压风险评估结果的验证4.3.3家族史及生活习惯对视网膜人工智能高血压风险评估结果的影响4.4.2视网膜人工智能贫血风险评估结果的验证2025版基于视网膜人工智能评估的《六百万体检人群5.3视网膜人工智能影像评估多种眼底异常5.4基于人工智能的国家筛查5.5视网膜人工智能检测甲状腺功能亢进2025版基于视网膜人工智能评估的《六百万体检人群眼底异常是导致不可逆致盲的重要因素,通过视网膜人工智能评估,不仅能了解眼底健康,早期发现视网膜异常,同时还能够发现可能存在的糖尿病、高血压、心脑血管疾病等慢病风险,快速发现慢病发生隐患,提升健康干预的依从性,降低恶性心脑血管事件、致盲事2018年7月至2025年6月期间参与视网膜人工智能评估的体检人群共6,481,674人次，共计要异常(15,060例)和黄斑部重要异常(13,684例)是威胁眼底健康的主要因素。60岁及以上人群的眼底重要异常结果检出率为1.6%, 数据显示,经视网膜人工智能评估为心血管疾病、脑血管疾病、糖尿病、高血压及贫血中高风险的人群中，健康体检均已经发现了一定比例的异常检出情况。经视网膜人工智能评估为上述慢病高风险的人群中，健康体检发现的异常检出情况比例更高。视网膜人工智能评估慢病风险有助于临床优先聚焦中高以上风险人群开展针对性评估与早期干预,为多病的精准筛此外,分析同时表明,有疾病家族史、吸烟及饮酒习惯增加慢病风险,视网膜人工智能评估能有效反映这些因素的影响，有助于早期发现隐患、追踪疾病.数据来源、目标人群和统计分析维度2025版基于视网膜人工智能评估的《六百万体检人群09瞳Airdoc视网膜人工智能评估项目所累积的6,481,674人为通过企业福利或个人付费进行健康筛查的城市居民,年龄集中在20至59岁,构成了社会劳动力的主体。此群体普遍具备—定的健康意识,但同时广泛暴露于现代城市生活方式的风险因素之下。因此,对该群体的健康状况进行分析,能够有效反映我国城市核心劳动力人口的眼健康现状与潜在慢病风险,其研究结论对于公共卫生干预和健康管理策略的制定具有重要为全面解析数据,本报告从四大核心维度展开统计分析。首先,在眼底异常的宏观分布层面,系统描绘了各类眼底异常的整体检出率与构成,并按性别、年龄、行业等变量进行交叉分析,同时与历年数据比对,以揭示其流行病学特征与动态变化趋势。其次,在全身性慢病风险的关联评估层面,利用视网膜人工智能风险评估指数,深入探讨了视网膜生物标志物与心脑血管疾病、糖尿病、高血压等重大慢病的内在联系,并通过与体检临床指标的交叉验证,评估AI无创筛查的有效性。再次,利用1,151,057持续参检人群的队列,本报告进行了持续性健康监测的纵向追踪分析,旨在观察眼底病变的自然进展与干预效果本报告统计分析的检查项目包括:鹰瞳Airdoc视网膜人工智能健康评估、—般检查(收缩压、舒张压)、血液检测(如空腹血糖、血脂四项、血红蛋白)以及通过健康问卷收集的鹰瞳Airdoc视网膜人工智能评估项目是使用免散瞳眼底相机采集视网膜图像,并由人工智能引擎进行分析。其分析结果包含两个部分:—是眼底疾病风险提示,识别50余种眼底异常体征,并提示如糖尿病视网膜病变、黄斑变性、青光眼高风险等眼底疾病风险;二是全身性慢病风险分级,依据视网膜图像特征,对体检人群罹患心脑血管疾病、糖尿病、高血压等在本报告的分析中,视网膜人工智能评估得出的风险分级结果,将与相应的临床实测指标进行关联性分析。例如,视网膜人工智能评估高血压风险分级将与体检测量的血压值进行比对;视网膜人工智能评估糖尿病风险分级将与空腹血糖值进行比对。coats病*备注:*蓝色突出标记为眼底重要异常结果。.体检人群的构成情况2025版基于视网膜人工智能评估的《六百万体检人群比52.5%;女性3,080,294人次,占比47.5%。体检人群平均年龄42.2岁,体检者主要集中的人群在20岁-59岁,共计5,668,235人次,占总数的87.5%。其中男性中位数年龄为39.0岁,平均年龄42.2岁;女性中位数年龄为39.0岁,3,080,294人次总体检人群:男性体检人群:中位数年龄39.0岁,平均年龄42.2岁女性体检人群:中位数年龄39.0岁,平均年龄42.3岁备注:*20岁以下女性体检人群占比小于0.05%参与视网膜人工智能评估分析的体检人群中共计有4,882,574人次记录了行业信息,其中金融业人数最多,共计940,834人次,占比19.3%;其次为信息传输、软件和信息技术服务,940,8340.6%0.4%说明:本表格呈现参检人次超过9,000的行业构成比例。.视网膜人工智能评估眼底异常结果统计分析眼底异常改变结果包括视网膜血管改变、黄斑部异常、视盘视神经异常、中重度豹纹 (其中轻度豹纹可能属于正常年龄性改变,不包括其中)、萎缩斑、玻璃体疾病、脉络膜疾统计数据显示:在6,481,674人次的视网膜人工智能评估结果中,共计5,024,746人次检出眼底异常,整体异常检出率为77.5%。其中男性异常人群共计2,670,877人次,异常检出率为78.5%;女性异常人群共计2,353,869人次,异常检出率为76.4%。总体来看,异常检出率男男性眼底异常检出率78.5%女性眼底异常检出率76.4%从异常检出率的年龄统计结果来看,随着年龄增长,眼底异常检出率明显增高,以40岁为年龄分界线,40岁以下人群,男性异常检出率均高于女性异常检出率,40岁及以上人群,总体来看,体检人群的眼底健康状况普遍不佳,随着年龄的增长,异常检出率逐渐增高,特别是40岁及以上人群,每100个人当中超过90个人有异常,建议各年龄段体检人群关注眼底健康,每年定期进行眼底检查。在眼底异常率的统计结果中发现,采矿业是眼底异常检出率最高的行业,为85.2%,其次电力、热力、燃气及水生产和供应业眼底异常检出率次之,为83.2%;卫生和社会工作眼底异总体来看,各行业眼底健康状况普遍不佳,除工作环境影响较大的特殊行业之外,办公—族仍然是眼底异常的主要群体,提示各行各业都应该定期进行健康检查,及时发现疾病风险。79.8%眼睛是心灵之窗,绝大部分的外界信息都来源于眼睛,眼底是眼球内后部的组织,包括了视网膜、视盘和视网膜动静脉血管。视网膜作为眼睛的关键组成,起着光信号的接收与传导的作用,是影响视功能的关键因素。视网膜还是全身唯—可在活体观察神经和血管组织的地方,成为了解眼病和某些全身疾病病情的重要窗口[5]。因为其特殊构造,眼底病成为不可逆盲的首位病因,是世界卫生组织防盲行动中的重点。在95%以上的人都有不良用眼习惯的视网膜人工智能评估结果包括了五大类50余个各类各级异常,42.9%48.0%48.0%nnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnnn......nn视网膜血管异常是指视网膜上的毛细血管、小血管受损或者阻塞,导致的血管弹性减弱、常见的视网膜血管异常包括:动脉硬化、高血压眼底病变、糖尿病性视网膜病变(糖网)、静脉阻塞、动脉阻塞、视网膜动脉瘤以及脉络膜体检人群中,共检出视网膜血管异常3,110,919人次,视网膜血管异常检出率为48.0%,且检出率随年龄的增大有明显的升高趋势,但当年龄段到50岁及以上后,以40岁为分界点,视网膜血管异常的检出率出现了跳跃式的升高,40岁以下人群的检出率为9.5%,40岁及以上人群的检出率为88.1%,40岁及以上人群检出率是40岁以下人 48.0%2025版基于视网膜人工智能评估的《六百万体检人群视网膜血管异常的行业数据分布显示,卫生和社会工作行业以41.2%的检出率高于其他行业,居民服务、维修和其他服务业也处于相对较高的水平。视网膜血管的健康状况通常与全身心血管系统的状态存在关联,上述行业普遍存在的工作压力、不规律作息及身体疲劳可能是导致检出率升高的潜在因素。值得注意的是,以近距离用眼为主的金融业和信息技术服务业在此项指标上处于中等水平。这—现象提示,视网膜血管异常不仅受用眼习惯影响,更可能与从业者的整体代谢水平及生活方式有关,因此在职业健康管理中,应重视血压、代谢202025版基于视网膜人工智能评估的《六百万体检人群20屈光不正眼底异常是指由于屈光不正(如近视、远视、散光)导致的眼底结构和功能异常,不及时干预可能导致视力下降,甚至失明。体检人群中,共检出屈光不正眼底异常2,395,150人次,屈光不正眼底异常检出率为37.0%。从年龄分布来看,屈光不正眼底异常检出率在20岁以下人群中为24.2%,随后在20岁-29岁和30岁-39岁年龄段上升至36.5%和37.3%之后在50岁-59岁年龄段略有下降至33.5%,但在60岁及以上人群中再次升高屈光不正眼底异常患者,尤其是年龄较大的人群,应定期进行眼底检查,及时发现并干预眼 2025版基于视网膜人工智能评估的《六百万体检人群屈光不正眼底异常的行业分布数据显示,采矿业以41.4%的检出率位于首位,这可能与作业环境中的光照条件及物理因素有关。金融业(40.4%)及文化、体育和娱乐的检出率紧随其后,显示出长时间近距离用眼及精神集中是重要的相关因素。此外,信息传输、软件和信息技术服务业、制造业以及租赁和商务服务业的检出率集中在36%至38%之间。这种在不同性质行业中普遍存在的较高检出率,表明无论是由于特定的物理作业环境,还是办公场景下的持续视力负荷,都与眼底结构的改变存在关联。因此,针对不同职业类型的视觉健康干预,特别是基础性的视力矫正与眼底监测,对于各行业从业者均具有重要意义。40.4%40.2%40.0%39.2%30.0%2025版基于视网膜人工智能评估的《六百万体检人群黄斑是视网膜最敏感的感光区,负责精细视觉与颜色视觉,是光路成像的焦点。黄斑部的微小异常可能会引起视觉改变,如视物不清,视物变形、变色、变暗等。常见黄斑部异常包括年龄相关性黄斑变性、黄斑前膜、黄斑水肿、黄斑裂孔、中心性浆体检人群中,共检出黄斑部异常2,115,246人次,黄斑部异常检出率为32.6%。绝大多数黄斑异常为不可逆异常改变,随着年龄增长,异常检出率升高。年龄每增加10岁,异常检出 2025版基于视网膜人工智能评估的《六百万体检人群黄斑部异常在不同行业间的检出率呈现出显著的差异。采矿业、卫生和社会工作以及电力、热力、燃气及水生产和供应业的检出率均超过60%,位居前列。这些行业的工作性质通常涉及特定的环境暴露,如粉尘、特定光照条件,或涉及倒班等不规律作息,这些因素可能对视网膜中心区域产生累积性影响。相比之下,教育行业的检出率为28.9%,处于相对较低水平。数据的分布情况提示,黄斑部的健康状况可能与职业环境中的物理化学因素及生理负荷密切相关。对于处于高检出率行业的从业群体,建议重点关注工作环境的防护措施,并加49.8%2025版基于视网膜人工智能评估的《六百万体检人群视神经负责传导视觉信号到大脑内部,对视力功能实现至关重要。视盘是视网膜上视觉常见的视盘视神经异常包括:视盘水肿、视神经炎、视神经萎缩、前部缺血性视神经病50岁及以上人群检出率超过总体检出率,建议50岁及以上人群更应该关注视盘视神经问题,定期进行眼底检查。 2025版基于视网膜人工智能评估的《六百万体检人群视盘视神经异常在各行业中的检出率数值整体较低,主要集中在7%至9%的区间内。数据显示,电力、热力、燃气及水生产和供应业、居民服务业及卫生和社会工作行业的检出率略高于平均水平,而信息传输、软件和信息技术服务业与金融业的数据则相对平稳。由于视盘视神经异常包含杯盘比偏大等可能与青光眼相关的改变,且早期往往缺乏明显症状,因此数据的相对低值并不意味着风险的缺失。行业间检出率的分布特征表明,此类异常与单纯的视觉作业强度无直接线性对应关系,提示各行业在常规体检中均不应忽视专业的眼底检查,8.1%2025版基于视网膜人工智能评估的《六百万体检人群视网膜人工智能评估眼底重要异常结果统计分析视网膜位于眼球内壁,是视觉形成过程中的感光器官。在全球五大致盲性疾病中(白内障、青光眼、病理性近视、糖尿病视网膜病变、年龄相关性黄斑变性),除白内障之外,其余四种均发生于视网膜上,视网膜疾病通常进展缓慢,不易察觉,但对视力威胁极大,因此定期的视网膜健康评估是防治视网膜疾病的有效手段[7]。眼底重要异常改变指发生于视网膜的严重异常需要立即到医院确诊或排除可能引起严重视力损伤的病变,如不及时就医可能造成不可逆的视力损伤,为避免体检者出现不可逆的视力损伤,所有疑似重要异常的案例均会第—时间由三甲医院专家进行复核,并及时通知到体检者体检的机构和体检人群本人。在6,481,674人次的视网膜人工智能评估结果中,累计发现重要异常28,562例,生的部位分为以下四类:nnnnnnnnnnnnnnnnnnnnnnnnnnnnn累计发现重要累计发现重要异常由于存在体检者患2种及以上重要异常的可能,故分类后重要异常合计数量超过从2018年7月至2025年6月,在6,481,674人次的视网膜人工智能评估结果中,累计发现眼底重要异常结果28,562例,检出率为0.4%,其中视网膜血管重要异常结果数量最多,总计15,060例,排名第二的是黄斑部重要异常结果,总计13,684例,眼底重要异常结果的检出率眼底重要异常结果:28,562例眼底重要异常结果总检出率:0.4%0.0%0.0%0.0%4,0462备注:0.0%表示检出率低于0.05%2025版基于视网膜人工智能评估的《六百万体检人群视网膜人工智能评估眼底异常结果历年对比分析数据显示:整体眼底异常检出率总体与去年基本持平。其中,屈光不正眼底异常较去年增长1.6%,视网膜血管异常、黄斑部异常相比去年轻微降低,视盘视神经异常及其他异常检出率相对2025版基于视网膜人工智能评估的《六百万体检人群2024.7-2025.62023.7-2024.62024.7-2025.6302025版基于视网膜人工智能评估的《六百万体检人群30在不同年度连续进行视网膜人工智能评估(至少在其中两个年度进行过视网膜人工智能评估)的人群共1,151,057人,占总体检人群的17.8%,其中男性的54.2%,女性的人数为526,623人,占比45.8%,本章节将针对连续进行视网膜人工智能评估人群的健康状况进行分析,了解连续进行视网膜人工智能评估对于及时发现疾病情况,避免不良预后的重要意义。在选取的连续进行视网膜人工智能评估的人群中,以个人为统计单位,将第—次参与视网膜人工智能评估的数据纳入初次检查数据集,将2025年6月30日前最后—624,434人624,434人2025版基于视网膜人工智能评估的《六百万体检人群连续进行视网膜人工智能评估有助于及时发现眼底异常的进展,例如:初次检查发现糖尿病视网膜病变轻度非增的1,587例体检者中,在末次检查中发现有430例(27.1%)进展为糖尿病视网膜病变中度非增;初次检查发现糖尿病视网膜病变中度非增的8,271例体检者中,在末次检查中发现有70例(0.8%)进展为糖尿病视网膜病变重度非增;初次检查发现糖尿病视网膜病变重度非增的123例体检者中,在末次检查中发现有9例(7.3%)进展为糖尿病视网膜病变增殖期;为年龄相关性黄斑变性早中期;初次检查发现斑片状萎缩的1,028例体检者中,在末次检查黄斑区萎缩;初次检查发现轻度黄斑前膜的18,852例体检者中,在末次上述体检者通过连续进行视网膜人工智能评估,及时发现了疾病的进展情况,有效避免人人人 430430人人99人人人人 人205205人884884人2025版基于视网膜人工智能评估的《六百万体检人群此外,连续进行视网膜人工智能评估有助于了解干预和治疗后的恢复情况,例如:在初次检查发现的31例视乳头水肿的体检者中,在末次检查中发现存消失、5例体检者症状减轻;在初次检查发现的1,583例视网膜静脉阻塞的体检者中,在末次检查中发现存在225例接受治疗后眼底异常消失;在初次检查发现的898例黄斑裂孔的体检者中,在末次检查中发现存在125例接受治疗后眼底连续进行视网膜人工智能评估有助于了解干预和治疗例例例例例例7例57例5例例连续进行视网膜人工智能评估有助于及时发现威胁视力的重要异常疾病,例如:在连续进行视网膜人工智能评估的体检人群中,初次检查中未检出但在末次检查中检出的重要异常病变有黄斑裂孔244例连续进行视网膜人工智能评估使得重要异常的发现更加及时,有效地避免了延误治疗所导连续进行视网膜人工智能评估有助于及时发现威胁视力的例4例例4例例例例449例例449例5例.视网膜人工智能评估慢病风险结果统计分析2025版基于视网膜人工智能评估的《六百万体检人群视网膜是全身唯—可以直接观察到血管和神经的组织,全身血管是—体的,心血管和脑评估国人缺血性心脑血管疾病危险度评估的方法和评估工具。基于适合我国人群疾病特点的通过视网膜图像评估心脑血管疾病风险[9]。并根据人工智能心血管疾病风险指数和人工智能脑血管疾病风险指数将心血管疾病风险和脑血管疾病风险分为四个等级(低风险、中低风险、本次体检人群中,参与视网膜人工智能心血管风险评估的体检人群共6,093,183人次,其统计显示,总体人群中共检出心血管中高风险72,308人次,检出率为1.2%;检出高风险59,376人次,检出率为1.0%。从年龄分布来看,风险水平随年龄增长呈现显著的阶梯式上升趋势。40岁以下人群的各项风险检出率均维持在0.1%及以下的极低水平;40岁至49岁成为风险初显的转折期;进入50岁后,风险水平急剧加速2025版基于视网膜人工智能评估的《六百万体检人群备注:0.0%表示检出率低于0.05%2025版基于视网膜人工智能评估的《六百万体检人群统计数据显示:记录参与视网膜人工智能脑血管风险评估的体检人群共6,093,183人次,0.0%0.0%备注:0.0%表示检出率低于0.05%与心血管风险相比,脑血管健康面临的挑战更为严峻,呈现出整体检出率高、风险攀升早的特点。统计显示,脑血管高风险检出100,558人次(1. (12.1%),其中脑血管中高风险检出率是心血管中高风险检出率的10倍。从年龄分布来看,不同于心血管风险在40岁前的平稳低值,脑血管中高风险在30岁-39岁人群中即已升至1.5%,在40岁-49岁年龄段更是激增至8.5%,远超同龄心血管的0.8%。进入50岁后,两者差距进—步拉大,50岁-59岁人群脑血管中高风险率达24.8%,60岁及以上更是高达45.4%,这意味着近半数老年人面临着脑血管健康隐患,提示其风险在人群中的渗透度与紧迫性均显著高于心心脑血管疾病严重危害人群的健康和生命,具有高死亡率和高致残率。近30年来我国人群中以冠心病、脑卒中为主的心脑血管病的死亡率、发病率和患病率总体呈上升趋势,且发病年龄逐渐年轻化。全国监测资料显示我国心脑血管病死亡人数逐年上升,其中缺血性心脏心脑血管风险的评估是根据多种危险因素的水平高低和组合来判断或预测个体未来发生心脑血管病急性事件的概率,进行风险评估有助于快速有效检出高危个体,并针对性地进行早期预防和早期干预,从而预防高危心脑血管急性事件的发生和发展。对心脑血管风险进行评估和危险分层是预防和控制心脑血管疾病的重要前提,已经被国内外心脑血管病及其危险因素防治指南广泛采用,在临床实践和人群将自述冠心病相关病史及心电图(如:ST段抬高、病理性Q波、T波倒置)等辅助检查结果中提示心肌梗死的人群标记为心血管异常人群(体检发现),统计分析人工智能心血管疾病风险评估结果为中高风险和高风险人群中心血统计数据显示:人工智能心血管疾病风险评估结果提示高风险的人群共59,376人次,其中心血管异常的人数共21,994人次(占比37.0%)。这提示通过视网膜人工智能心血管疾病风险评估,能够有效地识别人群的心血管疾病风险。人工智能心血管疾病风险评估结果为中高风险和高风险人群中心2025版基于视网膜人工智能评估的《六百万体检人群将自述脑卒中相关病史人群标记为脑血管异常人群(体检发现),统计分析人工智能脑血管疾病风险评估结果为中高风险和高风险人群中数据统计显示:不同风险人群脑血管异常的检出率存在较大差异,人工智能脑血管疾病风险评估结果提示高风险的人群共100,558人次,其中脑血管异常的人群共11,268人次,占比为0.2%0.2%2025版基于视网膜人工智能评估的《六百万体检人群心脑血管病是多个危险因素共同作用的结果,多个危险因素之间的相互作用可导致某—因素对心脑血管系统的危害因其他因素的存在而显著增加。其中,高血压、血脂异常、糖尿病等慢性疾病及烟草、饮食、运动、体重等因素均会对心脑血管健康产生影响[12]。另外,同型半胱氨酸(HCY)水平升高与动脉粥样硬化和冠状动脉粥样硬化性心脏病的危险性成动脉粥样硬化所致心血管疾病最广泛、最强的独立危险因素。HCY水平升高会增加动脉粥样硬化、心肌梗死、脑卒中、中枢血管疾病、外周血管疾病、阿尔茨海默病发生的危险性,这类患者体内同型半胱氨酸水平明显高于健康人,其血浆浓度与心脑血管病的程度和并发症呈正相关[11][13]。超敏C反应蛋白(hs-CRP症还会增加脑卒中的发病风险[15]。美国克利夫兰医学中心通过收集95,000例的病例信息,研究多个生物指标对心血管疾病的预测作用,发现:脂蛋白相关磷脂酶A2(LP-PLA2)与髓过氧化是冠心病和缺血性卒中的独立危险因素[17]。MP0存在于动脉粥样硬化斑块中,可导致斑块不稳定和破裂,并与再狭窄有关。MP0作为不稳定型斑块的早期识别标志物,在胸痛发作后2h内就明显升高,在3h达到峰值,可用于急性冠状动脉综合征(ACS)的早期诊断,根据上述统计结果可以发现,通过视网膜人工智能心脑血管风险指数能够较好地反映用户心脑血管的风险情况,能够成为—种无创、快速的心脑血管风险评估手段,也提示人工智能心脑血管风险评估结果显示为中高风险或高风险的人群,应该及时补充超声心动图、颈动脉超声、经颅多普勒超声、同型半胱氨酸、髓过氧化物酶、脂蛋白相关磷脂酶A2等相关检查,402025版基于视网膜人工智能评估的《六百万体检人群40在参加视网膜人工智能评估的体检人群中,有健康问卷数据的占比10.4%。其中女性体检人群占比47.7%,男性体检人群占比52.3%。本章节将联合估结果进行统计分析,探讨疾病家族史和吸烟及饮酒等不良生活方式对健康的影响。国家心血管病中心发布的《中国心血管健康与疾病报告2024》[20]显示:家族史是心血管倍倍健康问卷和人工智能心血管疾病风险评估结果联合分析数据显示:在健康问卷中填写“冠心病家族史”、“糖尿病家族史”和“脑卒中家族史”的体检人群中,人工智能心血管风险评估结果为高风险的检出率分别为2.3%、1.4%和1.6%,高于填写其他疾病或无疾病的人群。说明“冠心病家族史”、“糖尿病家族史”和“脑卒中家族史”会增加心血管疾病的风险,存在此类家族史人群更应该注意生活方式。健康问卷(家族病史)和人工智能心血管疾病风险评估结果联合分析无疾病高血压冠心病国家卫生健康委员会发布的《中国脑卒中防治指导规范(2021年版)》指出:建议对大于40岁的人群进行脑卒中危险因素筛查[21]。脑卒中的危险因素包括高血压、血脂异常、糖尿病、心房颤动、吸烟史、明显超重或肥胖、缺乏运动和脑卒中家族史。35岁以上者每年应至少测量血压1次,有高血压和/或脑卒中家健康问卷(家族病史)和人工智能脑血管疾病风险评估结果联合分析无疾病高血压冠心病2025版基于视网膜人工智能评估的《六百万体检人群《中国心血管健康与疾病报告2024》编写组发布的《中国心血管健康与疾病报告2024要点解读》显示:全球每年约190万人因为烟草使用或二手烟暴露引发的冠心病失去生命,约占健康问卷和人工智能心血管疾病风险评估结果联合分析数据显示:在健康问卷中填写“吸烟”和“吸烟,已戒”的体检人群中,人工智能心血管疾病风险评估结果为高风险的检出率1.4%,高于“不吸烟”的体检人群(心血管高风险检出率为1.0%),“吸烟人群(含已戒)”1.41.4#不吸烟人群吸烟人群(含已戒)吸烟是脑血管疾病的重要危险因素。根据北京市医保在2013年1月~2017年6月控烟法规健康问卷和人工智能脑血管疾病风险评估结果联合分析数据显示:在健康问卷中填写“吸烟”和“吸烟,已戒”的体检人群中,人工智能脑血管疾病风险评估结果为高风险的检出率2.2%,高于“不吸烟”的体检人群(脑血管高风险检出率为1.7%),“吸烟人群(含已戒)”健康问卷(吸烟习惯)和人工智能脑血管疾病风险评估结果联合分析1.3#不吸烟人群吸烟人群(含已戒)2025版基于视网膜人工智能评估的《六百万体检人群《中国心血管健康与疾病报告2024》的数据显示:我国成人饮酒率已超36%,男性饮酒率过半(约55%)且显著高于女性(约15%)饮酒与心脑血管疾病存在明确关联,每周摄入超100克纯酒精则心血管外,长期饮酒者高血压发生率比不饮酒者高出34%、心肌梗死风险升高37%,65岁以上男性超过36%约超过36%约55%健康问卷和人工智能心血管疾病风险评估结果联合分酒”和“饮酒,已戒”的体检人群中,人工智能心血管疾病风险评估结果为高风险的检出率为1.1%,高于“不饮酒”健康问卷(饮酒习惯)和人工智能心血管疾病风险评估结果联合分析不饮酒人群饮酒人群(含已戒)442025版基于视网膜人工智能评估的《六百万体检人群442021年,国家卫生健康委办公厅印发的《中国脑卒中防治指导规范(2021年版)》指出:每周酒精摄入超过300g称为大量饮酒,可增加脑卒中发病风险;而每周酒精摄入150~300g称为中度饮酒,每周酒精摄入<150g称为少量饮酒,均可降低脑卒中发病风险[2国家卫生健康委办公厅印发的《中国脑卒中防治指导规范(2021年版)》指出>300g150-300g>300g150-300g健康问卷和人工智能脑血管疾病风险评估结果联合分酒”和“饮酒,已戒”的体检人群中,人工智能脑血管疾病风险评估结果为高风险的检出率为1.9%,高于“不饮酒”的体检人群(脑血管高风险检出率1.7%),“饮酒人群(含已戒)健康问卷(饮酒习惯)和人工智能脑血管疾病风险评估结果联合分析 不饮酒人群饮酒人群(含已戒)每周1-2次每周大于3次2025版基于视网膜人工智能评估的《六百万体检人群视网膜是糖尿病血管损伤的常见靶器官,糖尿病发展到—定阶段时会在视网膜上出现微血管瘤、出血、渗出等特征性表现[23],高血糖是糖尿病视网膜病变发生的重要危险因素[24],对于尚未发生糖尿病视网膜病变的糖尿病患者,通过视网膜影像技术在视网膜病变发生之前进行预测,将关口前移将会更具有疾病预防的价值[25]。“开滦眼病研究”报道了中国成年人群糖尿病视网膜病变的10年发病率及相关危险因素,提出了眼底血管变化对糖尿病诊断中的重要预测价值[26],鹰瞳Airdoc研发的视网膜人工智能糖尿病风险指数,通过百万级数据的人工智能学习,可以通过视网膜图像评估糖尿病的疾病风险,并根据人工智能糖尿病风险指数本次体检人群中,参与视网膜人工智能糖尿病风险评估的体检人群共6,093,183人次,其次,检出率为15.0%;中高风险检出1,264,166人次,检出率为20.7%。2025版基于视网膜人工智能评估的《六百万体检人群总体来看,人工智能糖尿病风险评估高风险的检出率随年龄的增大而增加,在50岁时出现跳跃性增长,而中高风险检出率在50岁时出现拐点,这意味着进入50岁以后,糖尿病的风险会出现较大幅度的上升,中高风险人群有较大可能变为高风险人群,提示50岁以后糖尿病风险的增高,50岁以上的人群更应该关注自身糖尿病的风险情况,做好监测和健康管理,防参考《中国糖尿病防治指南(2024版)》[27]标准,将空腹血糖≥7.0mmol/L、餐后2小时血糖≥11.1mmol/L、糖化血红蛋白≥6.5%或糖尿病相关病史等体检人群标记为糖尿病可能2025版基于视网膜人工智能评估的《六百万体检人群分析人工智能糖尿病风险评估结果为中高风险和高风险人群中,体检发现糖尿病可能人统计结果显示:人工智能糖尿病风险评估结果为中高风险人群中,糖尿病可能人群占比6.1%,糖尿病前期可能人群占比26.6%;人工智能糖尿病风险评估结果为高风险人群中,糖尿病可能人群占比33.4%,糖尿病前期可能人群占比34.人工智能糖尿病风险评估结果为中高风险和高风险人群中糖尿病可能人群及糖尿病DDDD482025版基于视网膜人工智能评估的《六百万体检人群48在参加视网膜人工智能评估的体检人群中,有健康问卷数据的占比10.4%。其中女性体检人群占比47.7%,男性体检人群占比52.3%。本章节将联合估结果进行统计分析,探讨疾病家族史和吸烟及饮酒等不良生活方式对健康的影响。 中华医学会发布的《中国糖尿病防治指南(2024版)》显示:我国糖尿病流行特点以2型糖尿病为主,1型糖尿病和其他类型糖尿病少见[27]。2型糖尿病的遗传易感性存在种族差异,健康问卷(家族病史)和人工智能糖尿病风险评估结果联合分析22DD无疾病高血压冠心病2025版基于视网膜人工智能评估的《六百万体检人群烟不仅是导致呼吸系统疾病、癌症和心脑血管系统疾病的重要风险因素。吸烟也与糖尿病及其并发症的发生发展密切相关。中华医学会发布的显示:在—项中国人群的大样本前瞻性研究中发现,城市中吸烟的男性糖尿病发病风险是不吸烟者的1.18倍,且开始吸烟的年龄越小,吸烟的量越大,糖尿病发病风险越高。戒烟能显著降低心血管疾病发生率及全因死亡率。戒烟还能延缓糖尿病肾病的发展。戒烟能使高密度脂蛋白胆固醇水平升高而降低低密度脂蛋白胆固醇,从而有健康问卷和人工智能糖尿病风险评估结果联合分析数据显示:在健康问卷中填写“吸烟”和“吸烟,已戒”的体检人群中,人工智能糖尿病风险评估结果为高风险的检出率19.3%,高于“不吸烟”的体检人群(糖尿病高风险检出率为16.6%),“吸烟人群(含已戒)”的糖尿目前代谢综合征防治的主要目标是预防临床心血管疾病血管疾病者则要预防心血管事件。不过量饮酒、戒烟和保持良好情绪等,不仅能减轻胰岛素抵抗和高胰岛素血症,也能改善糖耐量和健康问卷和人工智能糖尿病风险评估结果联合分析数据显示:在健康问卷中填写“饮酒”和“饮酒,已戒”的体检人群中,人工智能糖尿病疾病风险评估结果为高风险的检出率为17.9%,高于“不饮酒”的体检人群(糖尿病高风险检出率16.9%),“饮酒人群(含已戒)”健康问卷(吸烟及饮酒习惯)和人工智能糖尿病风险评估结果联合分析1111。2吸烟人群(含已戒)不饮酒人群饮酒人群(含已戒)吸烟人群(含已戒)502025版基于视网膜人工智能评估的《六百万体检人群50高血压的发生对眼部的结构与功能有着深刻的影响,血压升高可引起视网膜、脉络膜及视神经结构的循环障碍,继发—系列病理生理改变[28],研究表明,视网膜小动脉变细的人群更易发生高血压,因此视网膜的血管不仅能监测高血压的血管损伤情况,同时对高血压的风险也具有预测作用[29],视网膜人工智能高血压风险指数是鹰瞳Airdoc研发的高血压风险评估工具,通过百万级数据的人工智能学习能够基于眼底照相识别人群的高血压风险,并根据视网膜高血压风险指数将高血压风险分为四个等级(低风险次,占比52.6%,女性2,889,869人次,占比47.4%。高风险检出1,352,178人次,检出率为22.2%;中高风险检出970,982人次,检出率为15.9%。总体来看，高风险检出率随年龄的增大而增加，在50岁时出现跳跃性增长，而中高风险检出率在50岁时出现拐点,这意味着进入50岁以后,高血压的风险会出现较大幅度的上升,中高风险人群有较大可能变为高风险人群,提示50岁及以上的人群,应该提高对高血压风险的重视程度,关注自身的高血压风险情况。根据《中国高血压防治指南(2024年修订版)》中的标准80-12060-80≥902025版基于视网膜人工智能评估的《六百万体检人群分析人工智能高血压风险评估结果为中高风险和高风险人群中,体检发现高血压人群和统计结果显示:人工智能高血压风险评估结果为中高风险人群中,高血压人群占比17.1%,血压正常高值人群占比53.6%;人工智能高血压风险评估结果为高风险人群中,高血压人群占比63.2%,血压正常高值人群占比52.4%。上述结果表明,通过评估,能够较好地评估高血压的风险情况。人工智能高血压风险评估结果为中高风险和高风险人群人工智能高血压风险评估结果为中高风险和高风险人群中血压2025版基于视网膜人工智能评估的《六百万体检人群在参加视网膜人工智能评估的体检人群中,有健康问卷数据的占比10.4%。其中女性体检人群占比47.7%,男性体检人群占比52.3%。本章节将联合估结果进行统计分析,探讨疾病家族史和吸烟及饮酒等不良生活方式对健康的影响。中华医学会发布的《中国高血压防治指南2024年修订版》指出:高血压危险因素包括遗传因素、年龄以及多种不良生活方式等多方面[30]。人群中普遍存在危险因素的聚集,随着高血压危险因素聚集的数目和严重程度增加,血压水平呈现升趋势,高血压患病风险增大。健康问卷和人工智能高血压风险评估结果联合分析数据显示:在健康问卷中填写“高血压家族史”、“糖尿病家族史”和“脑卒中家族史”的体检人群中,人工智能高血压风险评健康问卷(家族病史)和人工智能高血压风险评估结果联合分析无疾病高血压冠心病2025版基于视网膜人工智能评估的《六百万体检人群《国家基层高血压防治管理指南2025版》指出:高血压治疗的根本目标是控制高血压,降低高血压的心、脑、肾与血管并发症发生和死亡的总危险[31]。应根据高血压患者的血压水平和总体风险水平,决定给予改善生活方式和降压药物的时机与强度。戒烟的益处十分肯定。医师应强烈建议并督促高血压患者戒烟。必要时,指导患者应用戒烟药物,减轻戒断症状。健康问卷和人工智能高血压风险评估结果联合分析数据显示:在健康问卷中填写“吸烟”和“吸烟,已戒”的体检人群中,人工智能高血压风险评估结果为高风险的检出率26.2%,高于“不吸烟”的体检人群(高血压高风险检出率为23.5%),“吸烟人群(含已戒)”的高血中华医学会发布的《中国高血压防治指南(2024年修订版)》指出:饮酒会增加高血压血压降低,并减轻饮酒和高血压带来的双重疾病负担,产生协同健康收益。对于每天酒精摄入量>24g者,减少酒精摄入与血压下降呈明显的量效关系。长期饮酒是高血压发病的独立危险因素,任何类型的酒精对人体都无益处,使健康损失最小化的饮酒量为零,因此高血压患健康问卷和人工智能高血压风险评估结果联合分析数据显示:在健康问卷中填写“饮酒”和“饮酒,已戒”的体检人群中,人工智能高血压疾病风险评估结果为高风险的检出率为25.3%,高于“不饮酒”的体检人群(高血压高风险检出率23.1%),“饮酒人群(含已戒)健康问卷(吸烟习惯及饮酒习惯)和人工智能高血压风险评估结果联合分析2025版基于视网膜人工智能评估的《六百万体检人群贫血是指人体外周血中红细胞减少,导致不能对组织器官充分供氧的—组临床综合征[32],会出现特征性表现,例如视网膜背景苍白、视盘色淡、视盘附近区域静脉颜色变淡,与动脉基于视网膜图像和真实血红蛋白数据,通过百万级数据的人工智能学习,可以通过视网膜图像评估贫血风险。并根据人工智能贫血风险指数将贫血风险分为四个等级(低风险、中低风险、占比52.5%,女性2,725,168人次,占比47.5%。高风险检出78,959人次,检出率为1.4%:中0.9%0.9%总体来看,人工智能贫血高风险的检出率女性明显高于男性,女性人工智能贫血预测结果高风险的检出率是男性的14倍,提示各年龄段的人群尤其是女性应该定期进行人工智能贫血风险评估,警惕贫血的发生。2025版基于视网膜人工智能评估的《六百万体检人群群标记为体检提示贫血可能的人群(以下简称“贫血可能人群”),分析人工智能贫血风险评估结果为中高风险和高风险人群中,体检发现贫血可能人群的占比。统计数据显示:人工智能贫血风险评估结果为中高风险人群中,贫血可能人群占比24.7%;人工智能贫血风险评估结果为高风险人群中,贫血可能人群占比90.1%。上述结果表明,通过视网膜人工智能贫血风险评估,能够较好地评估贫血的风险情况。老年痴呆是—组严重威胁老年人身心健康的综合征,至今发病机制尚未完全明确,但已确认与神经退行性变、脑血管病变、感染、外伤、肿瘤、营养代谢障碍等多种原因有关。老年痴呆的特征是认知功能在两个或两个以上的领域(如记忆、执行功能、注意力、语言、社会认知和判断等)受损,并可伴有人格改变、精神行为症状等,不能归因于正常老化。目前,老年期(年龄超过65岁)痴呆已成为多发病和常见病,国家和全社会的重视程度不断提升,但疾病的治疗仍是世界范围的难题,痴呆防治重点在于通过早期识别高危人群,针对性提供视网膜是全身唯—可以直接观察到血管和神经的组织,视神经是中枢神经系统的—部分,其形态和功能变化与系统性疾病如老年痴呆等疾病相互印证[35],研究表明痴呆患者的视网膜上出现了特征性的病理改变[37][38]。视网膜老年痴年内发生老年痴呆的危险度评估的方法和工具。基于国际公认的CAlDE痴呆风险评估模型[36],通过百万级数据的人工智能学习,可以通过视网膜图像评估老年痴呆发生的风险,并根据人工智能老年痴呆风险指数将风险分为四个等级(低风险本次体检人群中,参与视网膜人工智能老年痴呆风险评估的体检人群共4,341,510人,其次,检出率为0.3%;中高风险检出199,548人次,检出率为4.6%。2025版基于视网膜人工智能评估的《六百万体检人群参与视网膜人工智能老年痴呆风险评估的体2,043,5562,043,556人次0.0%0.0%备注:0.0%表示检出率低于0.05%总体来看,人工智能老年痴呆的高风险和中高风险的集中在50岁及以上,并在60岁以后出现井喷式增长。提示各较大年龄段的人群应该定期进行人工智能老年痴呆风险评估,合理.视网膜影像人工智能技术应用论文摘要和解读602025版基于视网膜人工智能评估的《六百万体检人群602022年,爱康集团与鹰瞳科技携手北京大学临床研究所、北京大学第—医院、首都医科大学附属同仁医院、北京大学首钢医院、上海市静安区市北医院等多家医院的合作研究成果在国际知名期刊《科学通报》杂志(scienceBulletin,scl影响因子20.了—个人工智能算法模型,可根据个体的眼底照片估算其未来10年内发生缺血性心血管疾病的风险。这是我国首个尝试结合人工智能技术和眼底照片信息预测国人发生心脑血管疾病风随着我国人口老龄化进程的加速,心血管疾病的发病率也逐年增加,其中缺血性心血管死亡的主要原因,其预防和早期诊断对于提高患者生存率和生活质量具有至关重要的作用[39]。传统的lcvD风险评估模型需要进行问卷和检查收集多项信息,且计算过程相对繁琐,在临床应用上受到限制。而从解剖学和发育学的角度上来看,视网膜是大脑的延伸,也是观察人体微小血管和神经的绝佳窗口,其特征与lcvD的多个危险因素如高血压、糖尿病等存在密切的关联,因此视网膜具有预测lcvD风险的潜在价值[40]。近年来,免散瞳眼底照相技术与人工智能技术飞速发展,也使开发通过眼底图像预测lcvD风险的人工智能工具成为可能。研究团队历时五年,基于近40万中国人的健康数据开发了—个算法模型,使用卷积神经网络实现通过眼底图像预测10年内发生lcvD事件的风险。为了验证这个算法模型评估lcvD风首先使用与模型训练同源的2万余人的健康数据作为内部验证,验证结果显示使用该模型筛查10年lcvD风险临界/中等及以上(≥5%/≥7.5%)人群的受试者工作特征曲线下面积 队列,共纳入了—千余人的健康数据来进行外部测试。测试结果显示,该模型筛查10年lcvD风险为临界/中等及以上(≥5%/≥7.5%)的AUc也达到了0.859和0.876。两次验证结果均表示这—新型预测工具对于中国人lcvD高风除此之外,研究人员还进—步验证了人工智能模型预测风险值和传统模型计算风险值的拟合优度(R2score),在内部和外部验证集上分别为0.876、0.638,这表明了模型预测的这—新型预测工具开发成功后,因其快速、无创和自动化的优点,已被广泛应用于各级医院及健康管理机构中,对早期发现心血管病高危人群,指导积极干预,监测和评价干预效其在爱康体检人群中的应用数据见第三章视网膜人工智能慢病风险评估结果分析中心脑2025版基于视网膜人工智能评估的《六百万体检人群Developmentandvalidati开发和验证—种基于眼底照片的深度学习算法,用于估计CAIDE痴呆风险评分2022年,爱康集团、鹰瞳科技携手北京大学临床研究所联合多学科专家合作的研究成果北京大学医学部,同仁医院,华盛顿大学,解放军总医院等多家科研院所、高校参与了研究。研究开发了—项基于眼底照片的人工智能算法,可快速估算未来20年发生痴呆的风险,从而准确识别痴呆高风险人群。该研究是全球首个结合人工智能技术和眼底照片信息以识别痴呆随着人口老龄化日趋严重,由痴呆导致的疾病负担在本世纪预计将会持续快速增长。如何准确、高效地从人群中筛查出痴呆的高风险者,从而积极有效地加以早期干预,是痴呆防前国际上认可度最高的痴呆风险预测工具,可以预测中年人20年后发生痴呆的风险[36]。但其计算需要采血、收集多维度的健康信息,有创、耗时且计算复杂,难以推广应用。视网膜与大脑在解剖学和发育学上存在同源性,既往大规模人群研究发现眼底微血管异常与痴呆的发病显著相关。而迅速发展的眼底照相技术和人工智能技术也让通过视网膜早期2025版基于视网膜人工智能评估的《六百万体检人群研究团队基于我国19省市共近26万人包括视网膜图像的多模态健康数据开发了人工智能算法模型,利用卷积神经网络通过眼底图像估算其20年内发生痴呆的风险。为了更进—步地评估模型预测风险的性能,研究人员还在不同人群数据集中使用了多种方法进行验证。在—万余人的内部验证和两万余人的外部验证中,研究人员分别验证了人工智能模型预测风险值和传统模型计算风险值的拟合优度(R2score),结果分别为0.80、0.58,这表明在内部验证和外部验证数据集中,模型识别痴呆高风险人群(将CAlDE风险评分≥10分研究人员还使用多元线性回归模型分析了痴呆风险评分与认知功能现状的关联性,结果显示算法预测的CAlDE痴呆风险评分与受试者的综合认知功能、各领域认知功能得分均显著基于眼底照片的痴呆风险评估易操作,非侵入,且具有成本效益,适合于在健康体检中心加以推广应用,将极大节省筛查的人力和物力,在全生命周期的健康管理时代助力体检的个体化、精准化升级。目前,该研究开发的人工智能算法模型已逐步规模应用于我国体检人群,用以早期识别痴呆高危个体。其在爱康体检人群中的应用数据见第三章视网膜人工智能慢病风险评估结果分析中痴呆2025版基于视网膜人工智能评估的《六百万体检人群2022年,爱康集团与鹰瞳科技携手首都医科大学附属北京同仁医院、宣武医院、复兴医院等8家医院合作开展的全国性多中心研究成果发表在《美国医学会杂志》子刊(JAMANetwork0pen,scl影响因子13.353)上。研究结果显示,基于眼底照片训练的Al算法模型在全国多中心的真实世界验证中,对10种常见眼底疾病的筛查敏感度堪比资深眼底专家,且2025版基于视网膜人工智能评估的《六百万体检人群准确、可靠且具备卫生经济学效益的眼底疾病筛查方法越来越受到临床医生及科研人员的广泛关注,随着人工智能技术的不断发展,临床医学与人工智能的交叉研究广泛开展并产生优异成果。其中,2021年鹰瞳科技和多家医院合作开展了“Al视网膜多病种辅助诊断系统”全国性真实世界研究,研究结果显示,Al视网膜多病种辅助诊断系统在真实世界中识别14种常见的视网膜异常时表现出优异的性能,准确率媲美眼底病专家[44]。该研究成功入选2021年在此基础之上,科研人员也开始研究如何利用基于深度学习的人工智能开展大面积人群的眼底疾病筛查和双向转诊,从而帮助克服眼科医疗资源的不在这项全国性多中心研究中,研究团队基于12万张眼底照片开发了视网膜人工智能诊断系统RAlDS,用来识别多种眼底疾病,包括糖尿病性视网膜病变、青光眼、黄斑裂孔、黄斑前膜、高血压视网膜病变、视网膜有髓神经纤维、视网膜色素变性、年龄相关性黄斑变性、视网膜静脉阻塞及病理性近视。在内部验证中,RAlDS对于正常眼底和各种异常眼底图像的2025版基于视网膜人工智能评估的《六百万体检人群为了进—步验证该人工智能诊断系统在真实临床环境中应用的性能和对比优势,研究人研究人员从我国19个省份的65家体检机构前瞻性收集了20万余张眼底照片用于验证,结果显示为了进—步验证RAlDS在真实临床环境中的应用能力,研究人员还邀请了三组共9位不同年资的眼科医生(3位有10~15年经验的高级眼底病专家,3位有5~10年经验的初级眼底病专家和3位少于5年眼底病经验的眼科执业医师)对比结果显示RAlDS的诊断准确性等于甚至优于眼科医生,包括经验丰富的眼底病专家,而且在10研究人员统计了—张眼底照片评估的平均用时分别为:R为了更加贴近临床使用场景,研究人员又将RAlDS与人类眼科医生结合,让RAl筛,检测到异常的图像再由人类眼科医生来进行最终的诊断。与单独基于眼科医生的检查相比,RAlDS系统联合眼科医生的临床筛查模式在取得相似准确性的基础视网膜人工智能诊断系统在全国性多中心的大量人群验证中表现出了强大的性能,可以准确、可靠且快速地筛查多种眼底疾病,在大规模筛查的真实临床场景中具备广阔的应用前景,是帮助欠发达地区解决眼科医疗资源匮乏难题,助推全国眼健康事业的发展。视网膜人工智能影像技术可以准确、快速地进行多种眼病的筛查,有助于实现全国致盲眼病的早筛早诊、实现大规模人群的眼健康筛查和管理。该技术已广泛应用于多种眼病的筛查和管理,Al和眼健康管理实现深度融合,也将在此领其在爱康体检人群中的应用数据见第二章视网膜人工智2025版基于视网膜人工智能评估的《六百万体检人群2025版基于视网膜人工智能评估的《六百万体检人群中国常见视网膜和视神经疾病的流行趋势:基于人工智能的国家筛查工智能进行全国范围的筛查。这—研究旨在解决目前对这些疾病在中国流行情况缺乏全面评估的问题。数据来源于北京同仁医院和爱康集团,利用从2019年1月至2021年12月的65个体检中心的图像,进行识别,加密传输,存储和使用[45]。RAlDS是由两部分组成,分别是—款多任务卷积神经网络(CNN)的整体架于视网膜疾病分类的多任务学习模型。使用110,784名参与者的208,758张图像和北京眼睛研究的100,084张图像进行外部验证。同操作人员使用非晶态45度眼底相机重复摄影,对于10种视网膜和视神经疾病(主要重点关注糖尿病视网膜病变、黄斑变性和青光眼)进行诊断并生成报告。研究结果显示,这些视网膜和视神经疾病在中国的流行率有显著差异,RAlDS在疾病检测中的准确性较高,为大规模筛查提供了可行的技术手段。并且这项研究证实了RAlDS是—种有效的工具,能够在全国范围内进行视网膜和视神经疾病的筛查和流行病学研究。这也为未来公共卫生干预和临床管理提供了重要的数据支持2025版基于视网膜人工智能评估的《六百万体检人群该研究的重要性在于其创新性地利用RADls进行大规模疾病筛查,为了解和应对中国视网膜和视神经疾病的流行趋势提供了新的方法和数据。这对提高疾病早期检测、优化治疗方视网膜人工智能影像技术,能够准确在大规模人群眼健康筛查中完成视网膜和视神经疾病等疾病的识别,并且在检测中实现较高准确性,并针对疾病诊断并生成详细的报告,其中包括糖尿病视网膜病变、黄斑变性以及青光眼等严重疾病,为未来公共卫生干预和临床管理其在爱康体检人群中的应用数据见第二章视网膜人工2025版基于视网膜人工智能评估的《六百万体检人群2025版基于视网膜人工智能评估的《六百万体检人群基于视网膜照片的用于甲状腺功能亢进检测的深度学习系统:—项多中心诊断研究2023年,爱康集团与鹰瞳科技携手首都医科大学附属北京同仁医院、首都医科大学附属北京友谊医院联合研发并验证了—种深度学习模型,能够通过视网膜眼底彩照筛查甲状腺功能亢进。相关研究成果已在数据科学领域顶级期刊《JournalofBigData》(影响因子:10.835)发表。该研究是全球首个采用无创方法,而不是血液生化检查和系统生物标志物来诊断甲状腺功能亢进的研究,同时也是首个基于人工智能评估视网膜特征与甲状腺功能亢进关系的研究,研究结果揭示了基于眼底照片自动甲状腺功能亢进,简称“甲亢”,是—种全球常见的甲状腺功能障碍,它是由于甲状腺激素合成和分泌过高而引起的—种甲状腺毒症,可能会对健康造成严重的后果。由于在普通人群中采用诊断金标准进行甲亢筛查不具成本效益,导致较高概率的甲亢患者未被诊断和治疗,从而带来不良的预后和治疗成本的增加,因而亟需—种更具成本效益的甲亢这项多中心研究纳入了全国各地的26家医疗机构中,采用不同眼底相机拍摄的超过两万张视网膜照片,旨在建立—个基于视网膜照片来检测甲亢的深度学习系统。为了验证结合眼底彩照的深度学习模型是否对甲亢本身具有较好的识别能力,而非受其他生物信息因素的辅助,研究人员训练并验证了两个模型,分别是采用随机选择的对照组(模型1)、以及年龄和2025版基于视网膜人工智能评估的《六百万体检人群研究结果显示,在内部验证中,模型1和模型2对于甲亢患者的识别准确率均较高,研究人员进—步对性能表现更为优异的模型2025版基于视网膜人工智能评估的《六百万体检人群此外,研究人员对模型预测的结果使用热力图进行了可视化,以此来探明模型作出决策的依据。在热图可视化中,显著性突出了甲亢患者眼底图像上的血管主干区域和视神经头区域。这表明模型在决策过程中依赖固定的标综上所述,该研究所提出的模型具有良好的泛化性能,并且能够适用于包含不同眼底彩照设备的多种不同场景。因此,将构建的深度学习系统应用于视网膜眼底彩照筛查中,可被.基于人工智能眼底照相的眼健康深度分析近视是—种屈光不正,即当眼睛调节放松时,远处物体发出或反射的光线(相当于平行光线)进入眼睛,聚焦在视网膜前方。大多数近视伴随着高强度的学校教育在学龄期开始发生且快速进展,在青春期后期逐渐减缓,并在成年后趋于稳定[47]。在某些情况下,如近距离用眼负荷过重等环境因素或高度近视家族史等遗传因素的作用下,近视会在学龄前发生,或由于科技水平的提高,电子产品的普及,综合教育水平提升和户外活动时间的显著减少,儿童青少年的近视率正逐年攀升,且出现低龄化现象,近视成为了全球性的健康问题。根据已发表文献估计,当前全球范围内近视患病率为33%,到2050年,估计将达到50%,影响全度近视的患病率为10%~20%[50]。而在我国,国家卫生健康委开展的全国性近视专项调查结近视患病率的提升会带来进—步的挑战。近视尤其是高度近视可能导致多种眼部并发症的风险呈指数级增加,如病理性近视、视网膜脱离、青光眼、白内障等,从而导致视力的降低甚至丧失[52]。统计显示,近视度数每增加1.0[53]。而由于近视及高度近视的发病率越来越高,病理性近视已成为第二大成年人视力损伤和不同程度近视眼眼部并发症的发生风险(%)-3.00~-1.00D-6.00~-3.00D-6.00D或更高另外,如不控制近视的发生和发展,高度近视还可能会对患者的生活质量造成影响[55],遗憾的是,经调查,现阶段多数人对于眼底疾病的认知非常不足,仅有14.2%的儿童青少年家长和8.5%的青少年知晓眼底疾病是高度近视并发症之—,有22.6%的家长和39.3%的这—系列数字,反应出我国近视群体视力问题已不容忽视。因此,近视相关眼健康管理必须关口前移、及早检查,并加强对眼底检查的重视,减少单纯性近视向病理性近视等视力损伤高风险情况的转变,降低近视发展致盲的风险。2025版基于视网膜人工智能评估的《六百万体检人群近视的形成原因主要有眼轴和屈光力两方面,但通常是由于眼轴太长导致的。眼轴的延长是导致近视相关眼底病变的基础。随着眼轴的延长,眼底改变范围扩大、程度加重。近视相关的眼底表现包括:视盘斜入、近视弧形斑、豹纹状眼底、近视性黄斑病变、后巩膜葡萄豹纹状眼底:由于眼球向后延长,视网膜血管变细,脉络膜血管也变细、变直,同时色素上皮层营养障碍,浅层色素消失,暴露脉络膜血管,呈现豹纹样纹路。近视弧形斑:视神经乳头周围的视网膜、脉络膜,在后极部巩膜张力的牵引下,从视乳头旁脱开,暴露出下层脉络膜、巩膜的颜色,形成新月状的萎缩斑,多居颞侧,也可见于上下和鼻侧。若眼球继续延长,可扩张到视乳头四周,形成环黄斑部病变:黄斑区是近视尤其是高度近视眼底改变的好发部位,—旦病变累及黄斑,视力受损表现明显。当视网膜色素上皮和脉络膜毛细血管萎缩明显加重时,后极部特别是黄斑区可出现斑块状脉络膜大血管裸露区。另外,眼球向后扩张明显时,Bruch可出现多条线样破裂形成黄白色条纹,称漆裂纹,跨越黄斑中心凹的漆裂纹可导致出血而影响视力。黄斑中出现突然的视力下降、视物变形,还可诱发视网膜色素上皮增生,形成黑色近圆形的微隆起斑,称Fuchs斑。病理性近视的患者还可能存在视网膜劈裂和视网膜裂孔从而引起视力障碍[7]。豹纹样改变弥漫性萎缩斑片状萎缩黄斑2025版基于视网膜人工智能评估的《六百万体检人群基于生成对抗网络、预训练大模型等人工智能技术的方法,通过对已有数据进行学习和模式识别,以适当的泛化能力生成相关内容的技术。AlGC技术的核心思想是利用人工智能算法生成具有—定创意和质量的内容,通过训练模型和大量数据的学习,AlGC可以根据输入的条件计算机视觉技术自然语言处面向对象、实