npj Digital Medicine
恭喜AIRL聂海涛同学的论文于Nature子刊《npj Digital Medicine》在线发表
近日，实验室聂海涛同学在国际知名期刊Nature子刊《npj Digital Medicine》（中科院1区Top期刊，影响因子15.1）发表题为 “A three-tier AI solution for equitable glaucoma diagnosis across China’s hierarchical healthcare system”的研究论文。
青光眼是一种以进行性视神经损害为特征的疑难眼科疾病，是全球不可逆转的视力障碍和失明的首要原因。中国是青光眼患者人数最多的国家，2020年我国青光眼患病人数达到2100万，其中致盲人数达567万。但因“医疗资源分布不均”和“关键诊断数据缺失”两大瓶颈问题导致青光眼诊疗困难。三级诊疗政策的有效实施有助于解决这一困难。
基于此，创新性提出多层级人工智能系统 Multi-Glau，依托分级诊疗制度，通过三大功能模块协同覆盖基层筛查、二级预诊断、三级精准分型，从而推动诊疗能力在各级医院间的同质化发展。
Multi-Glau 的核心学术贡献包括：（1）首次系统性应对真实世界中的多模态数据缺失问题。研究指出，二级及基层医院OCT、视野检查等关键数据存在一定程度的缺失或质量不佳的问题，传统AI模型无法适配此类缺失情境。本系统通过 Freeze-Missing 模块引入缺失模态鲁棒建模机制，在40%图像缺失率下AUC 为0.8650，显著优于现有主流模型。（2）提出兼容分级诊疗的三层级AI框架。XGBoost模块支持基层通过基础临床参数开展初筛（AUC 0.9254），而M3-VF模块则在三级医院实现青光眼视功能损害的四级精细分型（AUC 0.9516），为治疗决策提供可靠依据。（3）突破AI依赖高质量数据的技术瓶颈，加速其在真实世界中的应用部署。系统通过全国多中心数据验证，在益阳、桃江等基层医院表现出良好的迁移能力，验证了其在设备匮乏环境下的实用性和同质性。（4）提升各层级医生对AI辅助诊疗的可行度。Multi-Glau 具备可视化解释能力，结合Grad-CAM与Guided Backprop技术辅助医生理解模型决策过程。
该研究不仅为中国推进“人工智能+分级诊疗”战略提供了技术样板，也为全球医疗资源有限地区慢性眼病的智能防控提供了可复制的范式。
