據中科院寧波材料所公衆號消息，該所智能醫學影像（iMED）團隊通過眼科圖像採集和圖像的智能化分析，團隊開發的基於人工智能的篩查模型，對多個社區人羣的阿爾茨海默病篩查準確率達 75%。

IT之家瞭解到，神經退行性疾病的發病過程較長，日常很難被注意到，且往往不可逆轉，對人體健康有長期影響。現階段，診斷這類疾病需要藉助磁共振成像等檢測費用高昂的手段，或者通過認知功能量表、基因檢測、脊髓穿刺取腦脊液等方式。相關方法還存在指徵模糊、伴有創傷、具有放射性等缺陷，不適用於基層人羣的大規模篩查。

iMED 團隊認爲，探索一種兼顧安全性、易操作性、經濟性和準確性的神經退行性疾病早期預測或診斷方法具有較強的研究價值和臨牀意義。

爲了探索眼底視網膜結構變化與阿爾茨海默病間的關係，該團隊與四川大學華西醫院、浙江省人民醫院、北京大學第三醫院、寧波大學附屬人民醫院等多家醫療機構合作，收集了大批量的阿爾茨海默病人的眼、腦數據，並將光學相干斷層掃描血流成像（OCTA）的眼底圖像作爲主要分析對象。

iMED 團隊介紹，光學斷層掃描是一種先進的非侵入性成像技術，可呈現出眼底不同深度的結構，包含視網膜和脈絡膜，還可以高精度地掃描眼底結構中的血流變化，生成 OCTA 圖像，這對於阿爾茨海默病引起的眼底血管變化的相關研究具有重要意義。

該團隊通過自主開發的智能分析算法對阿爾茨海默病人的眼底結構進行自動量化，並將計算出的生物指標與臨牀數據進行了橫斷面統計分析。根據統計分析，多種量化指標與阿爾茨海默病的發病具有顯著相關性，包括血管密度、血管分形維數、血管彎曲度等。這一結果與臨牀先驗共識相符。

基於此，該團隊針對血流成像圖像信息，設計了一個先進的 AI 模型來進行阿爾茨海默病的檢測，在僅輸入眼科圖像到 AI 模型中後，便可快速判斷該受試者是否患有阿爾茨海默病。目前，團隊所開發的基於人工智能的篩查模型，對阿爾茨海默病的社區篩查準確率已經超過 75%。

此外，該團隊還開展了腦卒中和帕金森症等腦部疾病的眼科圖像分析和智能診斷模型的建立，結果均發現一些眼部生物指標與發病的統計相關性，爲實現多種腦部疾病的快速便攜篩查提供了新思路。

據悉，目前該團隊正依託多中心開展大規模人羣的跟蹤調研，旨在通過 5—10 年的回訪調研，收集具有臨牀研究意義的序列數據，進一步分析眼底結構變化與相關腦疾病發病進程的關係。