中风风险评估现状与挑战 - 中风是全球导致死亡和长期残疾的主要原因之一 [2] - 传统中风风险评估依赖自我报告数据（如吸烟史、中风病史），准确性有限（一致性指数仅0.58-0.73） [2] - 脑部成像技术（如MRI、CT）可检测无症状性脑梗死（SBI），但成本高且不适用于大规模筛查 [6][7] DeepRETStroke深度学习系统 - 该系统通过视网膜图像检测SBI并预测中风风险，无需脑部成像 [3][8] - 基于视网膜与脑血管的相似性，利用眼底成像技术实现无创检测 [8] - 预训练使用895640张视网膜图像，验证阶段覆盖多国数据集（213762张图像） [9] - 内部验证显示预测新发中风AUC为0.901，复发中风AUC为0.769 [9] 临床验证与应用效果 - 真实世界研究中，218名中风患者的前瞻性数据显示系统可减少82.44%复发事件 [10] - 系统通过SBI检测提升风险分层能力，优于传统临床特征 [12] - 研究成果发表于《Nature Biomedical Engineering》，展示视网膜图像在中风预防中的潜力 [2][12]