系统性红斑狼疮(SLE)是一种多器官受累的自身免疫性疾病,其核心病理特征是免疫紊乱引发的血管炎症。该疾病可导致肾脏、心血管、神经系统等多方面的损伤。尽管SLE被归类为罕见病,全球患者人数约为340万,但由于其高致残率以及复杂的诊疗需求,它已成为严重威胁全球公共健康的重大疾病。流行病学数据揭示显著性别差异:90% 患者为女性(约300万),男女患病率之比达 1:9,发病高峰集中于15-45岁育龄期。这种生物学倾向性也使女性面临诊断延迟困境:非特异性症状(如疲劳、关节痛)常被归因于 "女性亚健康",导致平均诊断延迟达3-5年,而延迟诊断与肾脏损伤风险增加 2.3 倍直接相关。更严重的是,活动期SLE孕妇流产率高达 20-30%,且疾病管理需平衡药物致畸性与病情控制,形成临床决策难题。目前,SLE的临床诊断主要依赖复杂的分子标志物检测、免疫学检查和临床症状综合判断,公众认知度较低,导致延迟诊断普遍。在无症状或亚临床阶段实现精准识别,是打破SLE "诊断-器官损伤恶性循环" 的关键。这种困境凸显了无创化、智能化、基层适配性早筛技术的迫切需求。
近年研究发现,视网膜微血管等影像学特征与SLE疾病活动度(SLEDAI 评分)呈强相关性,这为 "眼底-全身血管损伤关联模型" 提供了病理生理学依据。同时数字视网膜眼底摄影现已在基层验光和社区环境中以低成本广泛普及,其图像获取过程便捷、非侵入、成本低廉,为利用人工智能算法自动筛查SLE及其相关并发症提供了可能。
在前期医工交叉研究积累的基础上,盛斌教授团队成功构建了全球首个基于普通彩色眼底照相的系统性红斑狼疮智能筛查系统—DeepSLE。该系统在“预训练-迁移学习”的框架下,创建课程式训练策略并突破传统机器学习范式,不仅实现SLE的无创检测,更首次通过视网膜影像对狼疮性视网膜病变、狼疮性肾炎等并发症进行有效预测,为多器官损伤预警提供了全新路径。它使用来自 173,346 名参与者的 666,383 张眼底图像对 DeepSLE 系统进行预训练。在包含来自中国和英国的 247,718 张图像的多民族验证数据集中,DeepSLE 的SLE 曲线下面积 (AUROC) 达到 0.822~0.969。此外,DeepSLE 在按性别、年龄、民族和社会经济地位分层的亚组中均表现出稳健的表现。为了确保 DeepSLE 的相关性和可解释性,团队进行了显著性分析和视网膜血管变量分析,以深入了解其 SLE 检测的诊断机制。
此外,研究团队通过前瞻性盲法读者研究证实,DeepSLE在系统性红斑狼疮(SLE)的筛查性能方面相较于初级保健医生展现出更高的灵敏度。DeepSLE 的诞生标志AI算法的创新正突破人类肉眼洞见,使眼底影像从眼病诊断依据进化为全身健康状态指针。DeepSLE提供了快速、非侵入式且经济高效从视网膜图像中检测 SLE及其并发症的数字解决方案,开启"早发现、精管理、少损伤"的精准医疗新图景。