视网膜位于眼球的内表面，是形成视觉的关键组织。视网膜包含的解剖组织，例如神经纤维层和血管系统，可用于非侵入式地观察中枢神经系统和心血管系统。人工智能在视网膜图像分析和应用领域展现了广泛前景，涵盖了眼部疾病和全身性疾病的诊断和预测，在多样性疾病研究和健康管理方面起到了积极作用。
2024年2月5日，来自伦敦大学学院（UCL）和Moorfields眼科医院的Research Fellow周玉昆博士应邀莅临欧洲杯竞猜平台临床研究中心并做题为“用于通用疾病检测的视网膜图像分析 - 全自动量化方法和基础模型”的学术报告。在报告中，周老师详细向大家介绍了视网膜图像领域的前沿分析方法，并将眼科领域首个人工智能基础模型——RETFound向与会者做了展示与阐述。
报告中，周老师首先介绍了一种用于量化视网膜形态的全自动化方法——AutoMorph。作为眼科领域首个开源、全自动化图像分析工具，AutoMorph可应用于图像预处理、图像质量评估、解剖组织分割和临床相关指标测量，对视网膜形态进行有效的定量分析，用于研究不同人体健康条件下的视网膜形态表现。随后，周老师对RETFound做了详尽阐释。RETFound通过从无标签的视网膜图像中学习可泛化的特征，为多种疾病检测提供了强大的基础。在眼部疾病的诊断和预后，以及复杂的系统性疾病预测上，RETFound都表现出良好性能并在外部验证中展现出较好的泛化性。
周老师长期致力于眼科图像分析和基础模型研究。AutoMorph和RETFound的推出，为生物医学和开源研究领域做出了贡献。未来，他期望能便利全球研究人员构建自己的模型，共同为医疗健康社区做出贡献。
