Deep learning algorithm using fundus photographs for 10-year risk assessment of ischemic cardiovascular diseases in China

缺血性心脑血管病(ischemic cardiovascular diseases,ICVD)包括缺血性卒中与缺血性心脏病.传统的基于危险因素的ICVD风险预测模型在实践推广中受限,本文旨在开发并验证一种利用眼底照片估算10年ICVD风险的深度学习算法,用于替代传统模型.算法的开发和验证均以传统模型所预测的10年ICVD风险为参照.研究基于体检人群(390,947人)数据开发卷积神经网络算法.在内部验证(20,571人)中,该算法估算10年ICVD风险的自然对数的调整R^(2)为0.876,筛查临界/中等及以上(≥5%/≥7.5%)ICVD风险人群的受试者工作特征曲线(ROC)下面积(AUC)分别为0.971(95%CI:0.967~0.975)和0.976(95%CI:0.973~0.980);在中老年人群的外部验证(1309人)中,调整R^(2)为0.638,AUC分别为0.859(95%CI:0.822~0.895)和0.876(95%CI:0.816~0.937).该算法有望替代传统ICVD风险预测模型,用于在基层医疗机构进行ICVD风险快速筛查,但仍需前瞻性研究进行验证.