AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-17
一種結合混合注意力機制與可解釋 AI、用於從視網膜眼底影像自動預測健康狀況的多任務深度學習框架
原標題: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
現有的視網膜眼底影像深度學習模型僅能處理單一任務,可解釋性有限,且難以應對不同資料集之間的差異。作者提出一種多任務網路,只需一次前向傳遞,即可從單張影像同時分類糖尿病視網膜病變嚴重程度、青光眼、AMD 分期及心血管風險,並提供 Grad-CAM 解釋。該模型在四個資料集上達到 94.7% 的準確率與 0.978 的 AUC,在統計上優於所有單任務模型,且在零樣本跨資料集評估中 AUC 至少達 0.951。