基于人工智能视网膜、心电图及超声心动图生物标志物的心力衰竭早期检测与风险预测研究

【项目介绍】 本项目旨在开发并验证AI衍生的视网膜、心电图、超声心动图及血清生物标志物，以实现对高血压和糖尿病患者心力衰竭的早期检测和风险预测。项目利用回顾性和前瞻性数据，整合多模态深度学习和临床工具，创建可扩展、无创的筛查策略，以实现高危人群的早期诊断、改善风险分层和更好的临床预后。

心力衰竭（HF）常作为高血压和糖尿病的晚期并发症发展而来，这些疾病在HF确诊前很久就在门诊常规管理。与无高血压人群相比，高血压患者发生HF的相对风险约高71%[1]。在Framingham心脏研究中，91%的新发HF病例之前有高血压[2]。糖尿病患者发生HF的风险高1.7至4.9倍[3,4]。尽管定期随访，但由于症状非特异性和先进心脏影像检查机会有限，早期或临床前期HF往往未被发现。需要新颖、可扩展的生物标志物来更早识别高危个体，促进及时干预。

视网膜血管与冠状动脉微循环具有解剖学和生理学特征相似性，视网膜微血管异常与高血压、糖尿病和不良心血管结局相关[5,6]。AI衍生的视网膜生物标志物可能提示全身性微血管和心脏代谢功能障碍，可帮助早期识别高血压（HTN）或糖尿病（DM）患者的HF或HF风险[7]。将视网膜AI与ECG衍生的AI参数[8]、NTproBNP和AI辅助超声心动图[9]整合，可辅助HF的早期检测和风险分层。整合视网膜成像、ECG和超声心动图的多模态AI生物标志物可能为高危门诊人群的早期HF检测提供强有力的低负担策略。

【研究目标】 开发并评估基于AI的视网膜、血清（NTproBNP）、ECG、超声心动图生物标志物，用于高血压或糖尿病患者的早期HF检测。

【具体目标】

1. 利用回顾性数据识别与现患和新发HF相关的AI衍生视网膜生物标志物。
2. 在高血压和糖尿病门诊前瞻性验证视网膜AI生物标志物用于早期HF检测。
3. 评估整合AI ECG、AI超声心动图与AI视网膜生物标志物的增量诊断和预测价值。
4. 评估非心脏科环境中多模态AI筛查路径的可行性和临床适用性。

【实验方案】 工作包1：

• 现有视网膜眼底照片（± OCT）与电子健康记录关联的回顾性分析
• 基于深度学习（基础模型、多模态模型）的特征提取，捕捉血管几何形态、微血管病变和视网膜结构
• 基于深度学习（基础模型、多模态模型）的新发HF时间-事件建模

工作包2：

• 从高血压和糖尿病门诊招募无已知HF的患者
• 基线视网膜成像、血清生物标志物、AI echo整合到临床工作流程
• HF诊断、生物标志物升高或超声心动图异常的纵向随访

工作包3：

• 标准12导联ECG的AI ECG分析以检测潜在心室功能障碍
• AI超声心动图用于自动评估收缩/舒张功能和心肌应变
• 多模态数据融合和可解释AI建模
• 与标准诊断路径比较

【预期成果】 本项目预计将提供经验证的AI衍生视网膜生物标志物用于HF风险评估，展示其在高血压和糖尿病门诊的前瞻性应用价值，并确立整合即时检测NTproBNP、AI ECG和AI echo的附加价值。研究结果可为可扩展、无创的筛查策略提供依据，支持更早干预以减少HF负担。通过在视网膜成像、ECG和超声心动图领域利用AI，本项目旨在变革高危门诊人群的早期心力衰竭检测，将数据驱动的创新与真实世界的临床影响相结合。

【申请材料】 请将您的简历（CV）、求职信和项目标题发送至：rajiv.sankaranarayanan@liverpool.ac.uk