12月21日，时值冬至，北京的岁暮序章方才写就，冬至的暖阳下微凉轻透。在盛大召开的中国医师协会眼科医师分会年会AI与代谢病相关眼病主题会议中，首都医科大学附属北京同仁医院的张新媛教授与中国人民大学人工智能团队的李锡荣教授，围绕人工智能在眼科临床与研究中的应用潜能，发表了特邀演讲并进行了深度剖析。 张教授提到，人工智能（尤其是大语言模型）正在重塑人机交互方式， 在我们的日常生活中似乎已经“无处不在，无所不能”： 从2012年深度学习模型AlexNex在图像识别大赛中取得压倒性胜利，开启了人工智能新篇章，到2011年底OpenAI发布ChatGPT, 数亿用户第一次亲身体会到与人工智能的自然对话，真正将AI热潮推向了各行各业。人工智能在医学领域的应用不仅仅在影像学诊断、可穿戴设备医疗健康管理的等等方面发挥重要作用，在药物筛选、在多组学研究中也发挥重要作用。在讲演中，张新媛教授围绕“糖尿病视网膜神经血管单元（RNVU）功能失代偿”从团队前期发现，到展望AI在RNVU研究方面的巨大潜力，紧扣AI与HCI技术应用于视网膜神经血管疾病的机制探索与临床转化，发表了“高内涵成像技术助力糖尿病视网膜神经血管单元功能失代偿研究”的讲演，为以人工智能作为驱动的RNVU注入了新的思路与活力。

张教授提到，团队自2014年与国际同行首次提出“视网膜神经血管单元”概念以来，通过体外实验、动物模型及人体研究，系统阐述了RNVU在高血糖环境下其功能失代偿的机制。团队证实，DR为神经血管性疾病。 在血管内皮细胞、Müller细胞、小胶质细胞、神经元及周细胞等多种细胞的相互作用的病理过程中，神经血管耦合作用失衡在DR发生发展中起重要作用。体外实验中，团队先后申请的三项发明专利以及三项发表的重要成果成功展示了建立了RNVU神经血管耦联模型，也在临床中研究中第一次通过无创检查探索了慢性高血糖下，神经与血管损伤的相关性，强调了神经血管耦合共功能失代偿在DR发生发展中的重要作用。

如何研究RNVU中各个细胞间的相互作用？张教授提到，国外Grimes 以及Albargothy两个团队分别于2023年及2025年利用连续块面扫描电镜（SBF-SEM）等先进成像技术，揭示了视网膜血管内皮细胞与神经元、胶质细胞在三维结构上的紧密关联，为RNVU的解剖与功能联系提供了超微结构证据。团队长期聚焦于神经血管耦联研究，证实了神经与血管的相互作用关系，但是如何研究各个RNVU之间各个组份的相互作用，在大量高清图片以及大数据的前提下提供更多生物信息传递的信息，是我们目前所面临的挑战。

人工智能（尤其是大语言模型）正在重塑人机交互方式， 在我们的日常生活中似乎已经“无处不在”： 从2012年深度学习模型AlexNex在图像识别大赛中取得压倒性胜利，开启了人工智能新篇章，到2011年底OpenAI发布ChatGPT, 数亿用户第一次亲身体会到与人工智能的自然对话，真正将AI热潮推向了各行各业。人工智能在医学领域的应用不仅仅在影像学诊断、可穿戴设备医疗健康管理的等等方面发挥重要作用，在药物筛选、在多组学研究中也发挥重要作用。

在临床前研究方面，人工智能已经用于分子生物学研究基因组学、基因调控研究，通过Deep learning 捕捉人工构建的特征中未包含的数据新信息，从而提高预测性能；研究学者开发的AlphaFold(DeepMind) 可通过氨基酸序列高精度预测蛋白质的3D结构，解决了困扰生物学界50年的重大难题。

在显微镜及组织细胞影像学方面，高内涵成像技术是高内涵成像技术是显微镜与组织细胞影像学领域的一项革命性技术体系。它融合了自动化高速显微成像、多参数荧光标记与智能图像分析，能在单次实验中从大量细胞中同步提取形态、数量、强度、纹理等多维信息，实现高通量、高信息量的定量生物学研究。

AI驱动的高内涵成像技术已成功应用于药物筛选，疾病的病理机制研究，细胞行为学分析以及生物学标记物发现等。全自动、高通量荧光显微成像系统，结合多参数定量分析技术，单次细胞实验中即可获得大量实验数据，特别是细胞中靶标分子的空间分布信息、单个细胞或细胞群的荧光强度、形态学以及细胞纹理等多参数定量分析等信息，也可鉴定和检测不同细胞群体的分类。AI驱动的HCI技术也已在类器官研究。同时“DeepStrain” —— 一个端到端的深度学习工作流，能够从常规的心脏电影磁共振（Cine-MRI）影像中，全自动、快速地计算出心脏容积参数和应变指标实现了HCI对于3D标本的观察， 在RNVU的研究中展现出巨大的潜力。

AI与HCI技术的融合，不仅提升了RNVU功能失代偿机制的研究深度，也为DR的个体化治疗与全程管理提供了技术支撑。随着OCTA、动态血管分析、无创神经功能评估等技术的发展，DR的管理正从“结构成像”迈向“功能与智能评估”的新阶段。

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。