基于人工智能的多模态数据对代谢性疾病的诊断及风险预测研究

1.在上海糖尿病预防项目（SDPP）队列、上海市代谢性疾病（糖尿病）预防和诊治服务体系建设（SIM）等项目中训练深度学习系统，在横断面数据中实现通过眼底图像+临床数据对糖尿病前期、糖尿病、糖尿病肾病、高血压及其靶器官损害、血脂异常、代谢相关脂肪性肝病、心脑血管病（冠心病、颈动脉粥样硬化、脑卒中等）、慢性肾脏病等代谢性疾病的识别。 2.在上海糖尿病预防项目（SDPP）等队列中训练深度学习系统，在前瞻数据中实现通过眼底图像+临床数据预测血糖、血脂、血压恶化风险，糖尿病及其微血管并发症（糖尿病视网膜病变、糖尿病肾病等）、高血压及其靶器官损害（高血压视网膜病变、大动脉硬化、高血压肾病等）、血脂异常及代谢相关脂肪性肝病、心脑血管疾病（冠心病、颈动脉粥样硬化、脑卒中等）、慢性肾脏病等的风险和进展速度预测。 3.在多个独立外部数据集中对深度学习系统进行外部验证，包括华东健康管理（ECHM）队列、上海市代谢性疾病（糖尿病）预防和诊治服务体系建设项目（SIM）、泥城研究（NDSP）、北京协和糖尿病管理（PUDM）队列、香港中文大学 Sight-Threatening Diabetic Retinopathy (CUHK-STDR) 队列、同济健康管理 (THM) 队列、新加坡眼病流行病学 (SEED) 项目、新加坡综合糖尿病视网膜病变计划 (SiDRP) 等。 4.探索去中心化机器学习等隐私计算技术对多中心医疗数据联合训练的应用。