一些外观表现相近的视网膜疾病，背后的致病基因可能并不相同，治疗路径和遗传咨询的重点也会随之变化。难点在于，与遗传性视网膜病变相关的基因超过300个，要精准锁定病因并不容易。
在此背景下，一种让人工智能分析眼科常规获取的视网膜照片及检查结果、提前筛出疑似致病基因的方法，在真实患者参与的临床试验中显示出效果：专家单独判断时，前5个致病基因候选的命中率为67.3%；在人工智能辅助下，这一比例升至88.5%。
由延世大学医学院附属塞弗兰斯医院眼科韩振宇、卞锡浩教授，以及江南塞弗兰斯医院眼科李俊元教授等参与的国际联合研究团队14日表示，团队开发了用于预测遗传性视网膜病变致病基因的AI临床决策支持系统“Retina4IRD”，并确认其具备在实际诊疗中应用的可能性。相关研究结果已于7月24日发表在国际学术期刊《《自然·医学》（Nature Medicine）》。
致病基因超过300个……精准定位才能打开治疗通道
遗传性视网膜病变是一类因基因异常导致视网膜功能下降的罕见疾病群，其中包括视网膜色素变性等多种疾病。部分患者视野会逐渐变窄或视力下降，严重时可致失明。
锁定致病基因的意义不止于明确病名。它还可用于预测未来视力变化，并为家属遗传风险咨询提供依据。患者能否使用针对特定基因的治疗药物或参与临床试验，也会因致病基因不同而有所差异。
在美国获批的遗传性视网膜病变基因治疗药物“Luxturna”并非所有患者都能使用。只有确认存在PE65这一特定基因变异的患者才属于治疗对象。归根结底，必须准确弄清究竟是哪一个基因发生异常，才可能转化为治疗机会。
但寻找病因的过程并不容易。遗传性视网膜病变相关基因众多，即便是同一基因异常，不同患者眼部表现也可能不同；反过来，不同基因异常也可能呈现相似的视网膜改变。
为降低这一流程的复杂度，研究团队开发了Retina4IRD。“Retina”意为视网膜，“IRD”是遗传性视网膜病变（Inherited Retinal Disease）的英文缩写。
Retina4IRD会分析眼底照片和光学相干断层扫描（OCT）影像。眼底照片用于拍摄眼内视网膜以观察是否存在异常；OCT则利用光线分层显示视网膜的断面结构。
AI还会结合年龄、性别、家族史、症状起始年龄、患病时长等临床信息共同分析。它并非仅凭眼部照片“猜测”致病基因，而是综合影像与患者信息，筛出致病可能性更高的基因候选。
研究团队利用来自韩国、中国、波兰9家医疗机构、经基因检测确诊的1843名患者、3376只眼的资料开发并验证AI。Retina4IRD会在包含已有治疗药物或正在开展临床试验的基因等在内的17个基因类别中，给出致病可能性较高的候选。
在研究团队的内部验证中，真实致病基因进入AI给出的前5个候选的比例为90.4%。使用另一组独立患者资料再次验证时，该比例也达到85.6%。
专家单独判断仅67.3%……AI辅助提升至88.5%
为检验AI在实际诊疗场景中是否同样能提供帮助，研究团队开展了随机对照临床试验。
研究将300名疑似遗传性视网膜病变患者分为两组：一组专家获得AI提供的信息，另一组在无AI辅助的情况下作出判断。随后对基因检测结果已确认的295人进行最终分析，即由医务人员先选出5个疑似致病基因，再与实际基因检测结果进行比对。
结果显示，在AI辅助下，专家将真实致病基因纳入前5个候选的比例为88.5%；专家单独判断时为67.3%。
即便只比较专家认为最有可能的1个基因，差异也同样明显：AI辅助组为37.8%，专家单独判断组为22.4%。
AI并不能替代基因检测
不过，这并不意味着AI可以替代基因检测。Retina4IRD是一种在基因检测之前帮助医务人员判断应优先关注哪些基因的工具。最终究竟是哪一种基因变异导致疾病，仍需通过二代测序（NGS）等基因检测加以确认。
本研究也未核实患者检查费用究竟减少了多少、诊断周期缩短了多少。临床试验所确认的核心在于：使用AI后，专家能够更准确地筛选致病基因候选。费用与诊断周期的缩短效果，需要在实际诊疗应用后进一步评估。
研究团队表示，这是全球首次通过前瞻性随机对照临床试验，验证利用眼科常用影像与临床信息构建的AI系统在诊疗中的实用性。
韩振宇教授说：“Retina4IRD并不是替医生作出诊断，而是有望作为基因检测前的预筛工具，先将可能性较高的致病基因范围缩小。”他还表示：“这不仅有助于减少不必要的检查费用、缩短确诊所需时间，还能尽早筛出像基因治疗这类对治疗时机要求较高的患者，为实现精准医疗作出贡献。”
