AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-17
基于混合注意力与可解释人工智能、利用视网膜眼底图像自动预测健康状况的多任务深度学习框架
原标题: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
现有的视网膜眼底图像深度学习模型只能处理单一任务，可解释性有限，且难以应对不同数据集之间的差异。作者提出了一种多任务网络，只需一次前向传播，即可从单张图像中对糖尿病视网膜病变严重程度、青光眼、AMD分期以及心血管风险进行分类，并提供Grad-CAM解释。该模型在四个数据集上的准确率达到94.7%，AUC为0.978，在统计上优于所有单任务模型；在零样本跨数据集评估中，AUC不低于0.951。