在全球范围内，数以百万计的人正受到年龄相关性黄斑变性、糖尿病视网膜病变等各类视网膜疾病的困扰，这些疾病不仅严重损害患者的视力，还对医疗系统和经济造成了沉重负担。视网膜光学相干断层扫描（OCT）作为一种非侵入性成像技术，为眼科医生提供了视网膜的精细三维结构信息，现已成为眼科领域中不可或缺的诊断工具。然而，解读OCT图像需要高度专业的医学知识和大量时间投入，在基层医院缺乏专业人员进行解读，而在大医院OCT的解读影响了诊疗效率。

近期，汕头大学·香港中文大学联合汕头国际眼科中心、电子科技大学、苏州大学和新加坡科技研究局等机构的研究团队联合开发了一种名为多标签OCT报告生成器（MORG）的深度学习模型，为这一难题带来了创新性解决方案。MORG能够自动解读视网膜OCT图像并生成专业报告，显著提升诊断效率，大幅减轻眼科医生的工作负担。这一研究成果以《A Deep Learning Based Automatic Report Generator for Retinal Optical Coherence Tomography Images》为题，发表于国际知名期刊《npj Digital Medicine》（中国科学院一区Top期刊，影响因子15.1）。

这是该团队继2023年发表于《Nature Communications》（影响因子14.7）、2024年发表于《Medical Image Analysis》（影响因子10.7）和《Cell Reports Medicine》（影响因子11.7）、2025年发表于《npj Digital Medicine》（影响因子15.1）和《Nature Communications》（影响因子15.7）之后的第六篇关于视网膜图像人工智能的高水平论文。

本研究由汕头大学·香港中文大学联合汕头国际眼科中心陈浩宇教授担任通讯作者，电子科技大学陈新建教授、新加坡科技研究局付华柱研究员、苏州大学电子信息学院王景涛博士，以及汕头大学·香港中文大学联合汕头国际眼科中心林田博士共同担任第一作者。

本研究获得了国家重点研发计划、国家自然科学基金、江苏省自然科学基金、广东省教育厅、汕头市科学技术计划、A*STAR中央研究基金以及先进制造与工程项目基金等多项资助。

文字：谭雅菁