UWF-FM: A Foundation Model for Comprehensive Ultra-Widefield Retinal Assessment
UWF-FM 是一个新颖的自监督基础模型，在超过 630,000 幅无标签超广角视网膜图像上进行了预训练，在多种临床任务和设备上均优于现有的非 UWF 模型，展示了强大的泛化能力，并成功实现向现实世界的部署，以在不干扰工作流程的情况下增强临床医生的诊断敏感性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你的眼睛就像一台照相机，但它不仅仅是捕捉场景中心的快照，而是能看到整个景观，从地平线到边缘。几十年来，医生一直使用一种特殊的眼底照相技术（称为“眼底摄影”）来检查疾病，但这就像是在拍自拍：它只显示视网膜的中间部分，忽略了边缘发生的关键情况。随后，“超广角”（UWF）成像技术出现了，这就像升级到了全景镜头，可以一次性捕捉到眼睛整个“后院”的景象。这是一个游戏规则的改变者，因为许多眼科问题（如撕裂或肿瘤）往往就隐藏在那些遥远的角落里。然而，教计算机去理解这些巨大的、复杂的全景照片是非常困难的。这就像试图教一只狗去识别一整片森林，而不是仅仅识别一棵树；计算机会被所有新的细节搞得晕头转向。这就是“基础模型”（Foundation Models）发挥作用的地方。把这些模型想象成超级聪明的 AI 学生，它们在参加任何考试之前，已经阅读了数百万本书（图像）。通常情况下，这些学生只读过关于“森林中心”的书，所以当他们拿到一张全景照片时，就会感到力不从心。科学家们一直在问一个大问题：我们能否专门针对这些巨大的全景眼底照片来训练一个超级聪明的 AI，使其成为能够发现眼中任何异常情况的真正专家？
于是，UWF-FM 诞生了——这是一种专门为掌握这些超广角视网膜图像而设计的全新 AI 基础模型。由利物浦大学及其全球合作伙伴组成的科研团队决定，不再试图强行让旧的 AI 模型去适应这些新的宽视角照片，而是从零开始构建一个全新的“学生”。他们向这个 AI 输入了一个庞大的库，其中包含 632,627 张未经标记的全景眼底图像。这个 AI 不仅仅是在观察它们，它还利用了一种叫做“自监督学习”的技术进行研究，这就像一个学生试图通过观察拼图碎片并猜测它们如何组合在一起，而在没有老师告诉答案的情况下解决谜题。通过这种方式，AI 学习了整个视网膜从中心到极边缘的深层隐藏模式。
一旦这个 AI “训练”完成，研究人员就对其进行了测试，以观察它是否真的比旧模型更聪明。他们不仅要求它寻找单一目标，还要求它胜任一整套“职位描述”。他们在 27,641 个带有标签的“图像-任务”对上对其进行了测试，看它是否能做到以下几点：
- 诊断疾病： 识别包括肿瘤在内的 12 种不同的眼疾。
- 评估严重程度： 根据 1 到 5 级的标准检查糖尿病视网膜病变的严重程度。
- 寻找特定线索： 识别 28 种不同类型的视网膜发现（如微小的出血或撕裂），无论它们是在中心还是在远端角落。
结果令人印象深刻。新的 UWF-FM 模型表现始终优于那些基于标准、非广角照片训练的旧 AI 模型。这就像请来了一位熟悉整片森林的当地向导，而不是仅了解主路的游客。新模型取得了很高的分数（肿瘤检测的 AUC 约为 0.90，通用疾病诊断的 AUC 约为 0.94），证明它理解的是全局，而不仅仅是中间部分。
但研究人员并没有止步于此。他们想知道这个 AI 是否只是一个“只会一招”的模型，只能在它学习过的特定相机上工作。他们测试了来自不同医院甚至不同品牌相机（从 Optos 相机切换到 Zeiss 相机）的图像。即使没有额外的训练或“微调”来适应这些新相机，该 AI 的表现仍然优于旧模型。这表明，该 AI 学习的是视网膜本身的“语言”，而不仅仅是记住了特定相机的外观。
为了观察这个 AI 是否能真正帮助医生，他们开展了一项针对 四名眼科医生 的特别研究。他们向医生展示了 600 张全景眼底图像两次：一次是单独展示，另一次是在 AI 辅助下展示。AI 并不做决定，它只是向医生“低声耳语”它的“猜测”。当医生在 AI 的帮助下工作时，他们变得更擅长发现疾病（提高了敏感度），同时并没有增加太多错误（特异度仅有极微小的下降）。这就像拥有了一个观察力极强的助手，在医生可能忽略的地方（尤其是那些棘手的角落）指点迷津。有了这种帮助，医生（尤其是经验较少的医生）的工作水平得到了提升。
最后，团队测试了该 AI 是否能在真实的医院环境中运行而不造成混乱。他们在厦门眼科中心进行了一次“静默部署”。在两个月内，针对 37,665 份连续的眼科检查，AI 在后台运行并分析每一张图像。它没有干扰医生，没有改变工作流程，在测试期间甚至没有向任何人展示其结果。它以 100% 的成功率 处理了每一张图像，每份检查仅耗时约 1.1 秒。这证明了这种强大的 AI 可以无缝集成到繁忙的医院中，而不会破坏现有流程。
简而言之，这篇论文表明，通过专门针对广阔的视网膜全景视野进行训练，我们可以创造出一种鲁棒的工具，它能理解整个眼睛，适用于不同的医院和相机，帮助医生发现更多疾病，并能无缝融入现实世界的医疗工作流。这是迈向未来的一步——在未来，AI 将作为医生可靠的全景视觉伙伴，确保视网膜的任何部分都不会处于黑暗之中。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。