用于阻塞性睡眠呼吸暂停综合征辅助诊断的人工智能眼底识别技术的开发与验证研究

阻塞性睡眠呼吸暂停综合征（OSA）特征性的间歇性缺氧和睡眠碎片化，可以导致全身多器官、多系统的疾病。视网膜是人体内代谢最活跃、耗氧量最高的组织之一，很可能是 OSA 的敏感靶器官。相较于其他视网膜成像检查，眼底照相具有更便捷、高效、经济的应用价值。本研究是一项横断面研究，拟纳入 2000 例在我院行 PSG 监测的患者，收集眼底照片原始图像，通过人工智能识别视网膜异常，对 OSA 患者视网膜图像进行深度挖掘，探索 OSA 患者眼底照片的影像组学标记物，旨在应用眼底照片影像组学特征建立高精度的 OSA 分类预测模型。通过人工智能眼底识别技术评估 OSA 发病风险、筛查相关并发症，从而对其进行精准的早期分层干预及防治，尤其在社区普查、健康体检等大规模筛查的应用场景下有着不可替代的价值。本研究拟开发基于眼底照片的阻塞性睡眠呼吸暂停综合征的人工智能早期识别诊断模型，以期实现对 OSA 及其并发症的早期筛查及防治。