近日，健康科学与工程学院何宏教授带领的医学人工智能团队在 Nature 出版集团（Nature Portfolio） 旗下国际权威期刊 npj Digital Medicine 发表题为 “提升眼部体征检测能力：基于人工智能的策略性分割以提高准确性与隐私保护”（Enhancing ocular sign detection: AI-based strategic segmentation for improved accuracy and privacy protection） 的研究论文。该研究由健康学院医学人工智能团队联合上海交通大学医学院附属第九人民医院、新加坡及泰国等多家医疗机构共同完成。何宏教授为论文通讯作者之一。雷超宇、赵晨、陈家毓为论文共同第一作者，其中陈家毓为医学人工智能团队的博士研究生成员，此外，团队成员硕士研究生徐楚迪也参与了本研究数据分析工作。
该研究聚焦甲状腺相关眼病（Thyroid Eye Disease, TED）早期体征识别问题。针对传统基于面部或眼周图像的人工智能方法在识别精度和隐私保护方面存在的不足，研究团队提出了一种基于精细分割策略的眼部体征智能识别方法。团队设计了轻量化分割网络 DSE-Net，实现对眼睑、结膜、泪阜和眼球等关键解剖区域的精准分割，并在此基础上构建 SegmenView 智能识别系统，用于自动检测眼睑水肿、结膜充血、泪阜水肿和突眼等多种眼部体征。健康学院医学人工智能团队在研究中主要负责深度学习模型的构建与算法实现，并参与论文撰写及研究工作组织与指导。研究基于来自中国、新加坡和泰国五家医院的多中心数据开展验证，共纳入 1180名患者、2360只眼睛的影像数据。实验结果表明，该方法在多个数据集上均取得优于传统面部图像和眼周图像模型的检测性能，同时显著减少非必要面部信息的使用，从而提升模型的隐私保护能力和临床应用潜力。
该研究是医学与人工智能技术深度融合，也是医学人工智能团队长期与第九人民医院合作产生的标志性医工交叉研究成果。研究团队通过将精准医学需求与人工智能算法创新相结合，为眼部疾病的早期筛查与辅助诊断提供了新的技术路径。相关方法具有良好的轻量化特性和可部署性，未来有望应用于移动医疗、远程医疗及基层医疗机构，为眼部疾病的早期发现与持续监测提供智能化技术支撑。
文章链接：https://www.nature.com/articles/s41746-025-02310-w
