技术解读Reti-Pioneer 是广东省人民医院余洪华团队发表于 Nature Medicine 的多任务深度学习框架仅凭一张眼底照相即可同步筛查糖尿病、痛风、骨质疏松、高血压、高脂血症、甲状腺疾病共 6 种慢病单张筛查耗时约 30.6 秒。在糖尿病筛查中阴性预测值NPV达 0.96695% CI 0.946–0.983意味着被判定为低风险的人群几乎可放心。核心要点问题内分泌代谢病糖尿病、痛风等筛查高度依赖血检受后勤、成本与依从性制约大规模人群筛查难以落地。方法Reti-Pioneer 融合质量感知模块与预训练视觉基础模型从一张眼底彩照同步筛查六种全身慢病。结果2型糖尿病临床试点阴性预测值NPV达 0.96695% CI 0.946–0.983超越芬兰糖尿病风险评分单例筛查 30.6±6.0 秒。意义为眼组学oculomics“从实验走向基层低成本筛查提供高级别循证可显著减少不必要血检。原文AI framework for multidisease detection via retinal imagingNature Medicine2026-04-28 | DOI: 10.1038/s41591-026-04359-w | PMID: 42050182内分泌代谢病的筛查困境内分泌与代谢性疾病Endocrine and Metabolic Diseases, EMD的全球负担持续攀升。以2型糖尿病Type 2 Diabetes Mellitus, T2DM为例相当比例患者在确诊时已出现并发症痛风、骨质疏松、高血压、高脂血症、甲状腺疾病同样因起病隐匿、症状不特异而大量漏诊。当前筛查模式高度依赖基于血液的生物标志物——即便采用微创采血仍面临后勤障碍、患者不适与高昂成本难以支撑纵向监测与大规模人群筛查。这种重化验、轻初筛的路径正是 Reti-Pioneer 想要破解的痛点能否用一种无创、极低成本、30秒可完成的检查先做一次高效的分流Reti-Pioneer 由广东省人民医院广东省医学科学院余洪华教授团队联合华南理工大学、新加坡国立大学、墨尔本大学等机构完成其创新性体现在三点多任务统一框架不同于单病种模型Reti-Pioneer 在一次推理中同步输出 T2DM、痛风Gout、骨质疏松Osteoporosis、高血压Hypertension、高脂血症Hyperlipidemia与甲状腺疾病Thyroid Disease六种疾病的筛查概率显著提升单次检查的边际价值。质量感知模块内置图像质量评估自动过滤模糊、曝光异常等不合格眼底照降低基层拍摄条件下的误判风险——这也是其能在社区队列稳定泛化的关键。预训练视觉基础模型迁移借助在大规模视网膜图像上预训练的基础模型用小样本即可迁移到多病种规避了从零训练对海量标注的依赖。Nature Medicine评价其为眼组学走向可操作临床筛查的可转化路径。正如我们此前报道的 COMPASS 泛癌基础模型 与 NeuroVFM 脑影像基础模型Reti-Pioneer 再次印证了预训练基础模型 下游多任务在医疗 AI 中的通用范式。技术原理质量感知与基础模型的协同Reti-Pioneer 的技术路线可概括为输入一张彩色眼底照Color Fundus Photography, CFP→ 质量感知模块判定可用性并归一化 → 预训练视觉基础模型Vision Foundation Model提取眼底血管、视神经、黄斑等区域的深层表征 → 多任务头Multi-task Head并行预测六种疾病风险。其核心机制在于眼组学”视网膜微血管与全身代谢状态高度相关眼底照中蕴含血糖、尿酸、骨密度等的间接信号。基础模型先在海量视网膜图像上学到通用表征再通过多中心数据微调使单一模态承载多种系统性疾病信息。数据说话六病筛查性能一览Reti-Pioneer 使用来自社区与医院队列的107,730 张彩色眼底照开发内部测试集各病种 AUROC受试者工作特征曲线下面积如下疾病内部测试 AUROC95% 置信区间2型糖尿病0.8330.810–0.856痛风0.8320.799–0.866骨质疏松0.7870.742–0.833高血压0.7400.726–0.755高脂血症0.7360.721–0.751甲状腺疾病0.6990.667–0.730框架在来自资源有限与资源丰富地区的6 个外部队列中均表现良好并通过血浆蛋白质组学相关性验证了生物学可解释性。在一项基层**隐蔽试验silent trial**中单例筛查仅需30.6±6.0 秒显著快于标准实验室流程。针对 T2DM 的后续临床试点更具说服力AUROC 达0.7760.710–0.842阴性预测值NPV0.9660.946–0.983超越芬兰糖尿病风险评分Finnish Diabetes Risk Score, FINDRISC且获得临床医生与患者高度认可。从实验室到临床应用前景与局限应用前景基层首诊分流在社区/体检中心用 30 秒眼底照完成六种慢病初筛高 NPV 优先排除低风险人群减少不必要血检。纵向风险监测研究展示了 5 年与 10 年间隔的风险分层能力适合慢病长期随访。资源受限地区低成本、无创、可规模化契合低资源场景的筛查刚需。当前局限临床试点样本与场景仍有限AUROC 在部分病种如甲状腺 0.699仅处中等水平尚不能替代确诊检查。不同人种、设备间的域偏移domain shift需更大规模、跨设备的前瞻验证。作为筛查工具阳性结果仍需血检等金标准确认监管审批与真实世界部署路径仍在推进中。结论与产业启示Reti-Pioneer 证明一张眼底照足以成为六种内分泌代谢病的低成本初筛入口30 秒、高阴性预测值的特性使其成为基层分级诊疗的理想守门人。其质量感知 预训练基础模型 多任务的架构也为医疗 AI 从单病种走向平台化提供了范本。这与思陌智能科研服务的业务方向高度契合——我们在 AI 医疗软件开发与医疗 AI 科研服务中同样秉持基础模型驱动、多任务复用、循证落地的路线可为主管部门、医院与体检机构提供从数据治理、模型微调到私有化部署的一体化科研与转化支持。不同于我们此前报道的 Retina4IRD 聚焦遗传性视网膜病的基因诊断Reti-Pioneer 把眼底照的价值从看眼病拓展到看全身代表了眼组学临床转化的关键一步。相关问题Q眼底照筛查慢病能替代抽血化验吗A不能替代。Reti-Pioneer 定位是初筛与分流工具其高阴性预测值适合优先排除低风险人群阳性结果仍需血检等金标准确诊二者是互补而非取代关系。QReti-Pioneer 何时能进入社区医院日常使用A已完成隐蔽试验与 T2DM 临床试点但更大规模跨设备前瞻验证与监管审批仍在进行。进入常态化社区使用预计还需多中心注册研究与合规落地。Q对糖尿病患者意味着什么A意味着一次常规眼底检查可顺带完成糖尿病风险初评30 秒、无创、低成本高 NPV 能帮助大部分人避免不必要的抽血提升筛查可及性。参考文献Zhang X, Li Q, Liang Y, et al. AI framework for multidisease detection via retinal imaging.Nat Med32, 2494–2503 (2026). DOI: 10.1038/s41591-026-04359-w | PMID: 42050182相关临床研究Retina4IRD 多中心随机试验遗传性视网膜病 AI 辅助诊断. 见思陌此前报道 一张眼底照锁定致病基因。本文基于AI framework for multidisease detection via retinal imagingZhang X et al., Nature Medicine, 2026的独立解读仅供学术交流不构成临床建议。 工程实现要点多任务共享骨干用统一视觉编码器抽取眼底特征下游接 6 个疾病分支头一次前向同时输出 6 项风险省算力又省时间大规模真实世界训练基于 107,730 张眼底照训练与验证覆盖多中心人群外推性优于单中心模型NPV 优先设计筛查场景强调排除能力糖尿病 NPV 0.966把漏诊焦虑降到最低30 秒级推理单张筛查 30.6±6.0 秒贴近基层门诊节奏可嵌入体检与慢病随访流程可解释量化输出每项风险给出概率数值便于临床沟通而非黑箱判定论文原文信息链接眼底照能筛几种慢病Reti-Pioneer 多任务AI框架30秒筛6种糖尿病NPV达0.966