近日，北京大学任秋实教授团队与上海健康医学院周传清教授团队、北京大学深圳医院李金瑛主任和陈旭辉主任团队合作，利用自主研发的多模态眼功能成像分析系统，开发人工神经网络（ANN）模型，开展老年人群认知障碍的检测，为社区认知障碍的早期筛查提供了新的解决方案。该研究Predicting cognitive impairment with multimodal ophthalmic imaging and artificial neural network for community screening已在《英国眼科杂志》（British Journal of Ophthalmology）上发表，为社区认知障碍的早期筛查提供了新的解决方案。文章链接：https://bjo.bmj.com/content/108/12/1737

随着全球老龄化加剧，认知障碍已成为严重的公共卫生问题。传统的认知障碍筛查方法主观性强、耗时长，且受教育水平影响，难以在社区大规模推广。任秋实教授团队前期研制的多模态眼功能成像分析系统，集成了视网膜多光谱成像（MSI）、瞳孔光反射定量分析（PLR）、视网膜血氧功能成像和激光散斑对比成像（LSCI）等技术，能够通过非侵入、快速、低成本的方式，准确评估视网膜的神经和血管状况。

图1 多模态眼功能成像分析系统实物图及各模块检测结果图

研究团队通过对104名认知障碍患者和94名年龄、性别匹配的认知健康对照者的多模态眼科成像数据进行分析，发现认知障碍患者的视网膜光谱反射、瞳孔光反射、视网膜结构和血氧代谢功能均存在显著异常。结果表明认知障碍患者会发生视网膜结构和功能的变化。基于这些数据，团队开发了反向传播神经网络（BPNN）模型，预测认知障碍的准确率高达91%，灵敏度和特异性分别为93.3%和90%，显著高于传统的多因素二元Logistic回归模型的检测性能（准确率69%，灵敏度:61.70%，特异性：68.66%）。

图2 用于认知障碍检测的BPNN 模型的示意图（A）和受试者工作特征曲线（ROC）在BPNN和二元Logistic回归模型的结果。

任秋实教授表示，该设备结合人工智能分析技术，为社区认知障碍的早期筛查提供了有力工具，未来有望通过在更广泛的人群中来验证结果，实现在临床和社区中的大规模推广应用，助力认知障碍的早期筛查。

本研究由北京大学深圳研究生院、北京大学未来技术学院、北京大学深圳医院、上海健康医学院、北京大学医学部医学技术研究院、深圳湾实验室的研究团队共同完成。研究得到了国家自然科学基金、国家生物医学成像设施、北京市自然科学基金、深圳市科技创新计划、广东省基础与应用基础研究基金的资助。

**参考文献：**

Jin Z, Chen X, Jiang C, et al. Predicting cognitive impairment with multimodal ophthalmic imaging and artificial neural network for community screening. *Br J Ophthalmol*. 2024. doi:10.1136/bjo-2023-323283.