视网膜 AI 提前算出子痫风险：1267 次怀孕做出来的准确率

子痫前期（Preeclampsia）是妊娠期最危险的并发症之一，全球每年有大量孕产妇和新生儿因此死亡。它的老问题在于：它是一段渐变的坡而不是一次突然的跌倒——血压和内皮功能在临床症状出现前几个月就开始变化，但常规检测要等到症状出现才动手。

2026 年 10 月 7 日上线的一篇《自然·生物技术》（Nature Biotechnology）论文提出了一条新路径：不查血液，查视网膜。

为什么是视网膜

理由是它同时满足三个条件，这在医学上很少见。

• 无创。拍一张照片就行，不用抽血、不用侵入。
• 血管床极其丰富且均一。视网膜的血管网络是人体可以直接成像观察的微循环（microcirculation）代表之一，一整套全身血管系统的状态会在这里留下痕迹。
• 全身血管疾病的指示器。子痫前期的核心病理是内皮功能障碍（endothelial dysfunction）加上胎盘异常。血管内皮是全身性的，母体视网膜的血管拓扑、几何、分支模式和网络复杂度，能反推出系统性血管健康状态。

这套系统和普通影像 AI 的区别

论文提到这个平台叫 Visionary AI，其关键差异在于可解释性（interpretability）。它不是端到端训练出一个黑箱分类器，而是先从视网膜影像里提取一组有生物学含义的血管特征（拓扑、几何、分支、网络复杂度），再从这些可命名的量出发做预测。

这意味着模型的每一步都能被追溯到具体的解剖学量。对产科医生来说，"风险分数 0.82"是没法直接用的；而"这张视网膜的血管分支复杂度比同孕周人群低 18%，属于内皮功能异常区间"是可以判断和随访的。

数据和结果

前瞻性开发队列纳入 1267 次妊娠，子痫前期预测的曲线下面积（AUC，Area Under the ROC Curve）为 0.91，平均精确率（Average Precision）为 0.81。

经过稳定性优化的模型迁移到独立外部队列无需重新训练，仍达到 AUC 0.81、平均精确率 0.68。这个"不重训就能用"的结果比绝对数值更重要——它说明学到的不是某个特定队列的噪声。

作为参照，AUC 0.81 大致相当于一个"相当不错的辅助诊断工具"，远不到可以替代标准筛查的程度（标准的血压+尿蛋白筛查在典型病例上敏感度更高）。它的潜在价值在于作为补充维度：在传统指标出现异常之前几个月，捕捉到血管层面的早期信号。

需要谨慎的地方

独立外部验证队列只有 79 名参与者。这个规模远不足以支撑"可以进入常规筛查流程"的结论。论文本身也把结果定位为"promising rather than clinically definitive"（有前景但临床未定论）。

还需要更多东西才能落地：更大规模的多中心研究、跨人群和不同妊娠阶段的验证、妊娠合并糖尿病与子痫前期前期识别等混杂因素的排除，以及更关键的一点——发现预测信号之后能不能改变结局。一个能准确预测、但预测之后没有有效干预手段的指标，其临床价值会大打折扣。

关联阅读

• 五种"不相关"的慢性病，可能共享同一张生物网络
• 表观遗传编辑走向临床：沉默病毒 + 降胆固醇的 50 年