ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОЦЕНКЕ СОСУДИСТЫХ ИЗМЕНЕНИЙ НА ГЛАЗНОМ ДНЕ: ВОЗМОЖНОСТИ РАННЕЙ ДИАГНОСТИКИ СЕРДЕЧНО-СОСУДИСТОГО РИСКА
DOI:
https://doi.org/10.57231/j.ao.2025.14.3.006Ключевые слова:
сосуды глазного дна, искусственный интеллект, сердечно-сосудистый риск, прогнозированиеАннотация
Актуальность. Раннее выявление сердечно-сосудистого риска остаётся ключевой задачей профилактической медицины. Развитие технологий искусственного интеллекта (ИИ) открывает новые возможности для количественного анализа сосудов глазного дна в условиях скрининга. Цель исследования. Оценить распространённость и клиническую значимость сосудистых изменений глазного дна, выявленных с помощью ИИ, у населения в возрасте 35–50 лет с факторами сердечно-сосудистого риска. Материал и методы. Обследовано 120 лиц (58 мужчин, 62 женщины) без выраженной сердечно-сосудистой патологии. Всем участникам выполнены фундус-фотографии с последующим анализом изображений через платформу RMHAS. Оценивались параметры: СДАС - средний диаметр артериол сетчатки; СДВС - средний диаметр венул сетчатки; АВС - артериовенозное соотношение; индекс извитости сосудов; фрактальная размерность, плотность, асимметрия сосудистой сети. Результаты и заключение. Наиболее частыми признаками были расширение венул (34,2%), сужение артериол (28,3%) и АВС<0,66 (12,5%). АВС показал сильную отрицательную корреляцию с систолическим АД (r= –0,45), а СДВС - положительную с HbA1c (r=0,31). Комбинированный анализ параметров обеспечил AUC 0,82 для прогнозирования множественных факторов риска. ИИ-анализ сосудов глазного дна представляет собой неинвазивный и чувствительный метод раннего выявления
сердечно-сосудистого риска у гражданского населения, обладающий высоким прогностическим потенциалом.
Библиографические ссылки
Wong DYL, Lam MC, Ran A, Cheung CY. Artificial intelligence in retinal imaging for cardiovascular disease prediction: current trends and future directions. Curr Opin Ophthalmol. 2022 Sep 1;33(5):440-446. doi: 10.1097/ICU.0000000000000886.
White T, Selvarajah V, Wolfhagen-Sand F, Svangård N, Mohankumar G, Fenici P, Rough K, Onyango N, Lyons K, Mack C, Nduba V, Noorali Saleh M, Abayo I, Siddiqui A, Majdanska-Strzalka M, Kaszubska K, Hegelund-Myrback T, Esterline R, Manzur A, Parker VER. Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya.
Diabetes Obes Metab. 2024 Jul;26(7):2722-2731. doi: 10.1111/dom.15587.
Qian Y, Li L, Nakashima Y, Nagahara H, Nishida K, Kawasaki R. Is cardiovascular risk profiling from UK Biobank retinal images using explicit deep learning estimates of traditional risk factors equivalent to actual risk measurements? A prospective cohort study design. BMJ Open. 2024 Oct 8;14(10):e078609. doi:10.1136/bmjopen-2023-078609.
Dinesen S, Jensen PS, Bloksgaard M, Blindbæk SL, De Mey J, Rasmussen LM, Lindholt JS, Grauslund J. Retinal Vascular Fractal Dimensions and Their Association with Macrovascular Cardiac Disease. Ophthalmic Res. 2021;64(4):561-566. doi:10.1159/000514442.
Sandoval-Garcia E, McLachlan S, Price AH, MacGillivray TJ, Strachan MWJ, Wilson JF, Price JF. Retinal arteriolar tortuosity and fractal dimension are associated with long-term cardiovascular outcomes in people with type 2 diabetes. Diabetologia. 2021 Oct;64(10):2215-2227. doi: 10.1007/s00125-021-05499-z.
Vaghefi E, Squirrell D, Yang S, An S, Xie L, Durbin MK, Hou H, Marshall J, Shreibati J, McConnell MV, Budoff M. Development and validation of a deep-learning model to predict 10-year atherosclerotic cardiovascular disease risk from retinal images using the UK Biobank and EyePACS 10K datasets. Cardiovasc Digit Health J. 2024 Jan 9;5(2):59-69. doi: 10.1016/j.cvdhj.2023.12.004.
Tuychibaeva DM. Longitudinal changes in the disability due to glaucoma in Uzbekistan. Journal of Ophthalmology (Ukraine). 2022; 4: 12-17. http://doi.org/10.31288/oftalmolzh202241217.
Lee CJ, Rim TH, Kang HG, Yi JK, Lee G, Yu M, Park SH, Hwang JT, Tham YC, Wong TY, Cheng CY, Kim DW, Kim SS, Park S. Pivotal trial of a deep-learning-based retinal biomarker (Reti-CVD) in the prediction of cardiovascular disease: data from CMERC-HI. J Am Med Inform Assoc. 2023 Dec 22;31(1):130-138. doi: 10.1093/jamia/ocad199.
