本文旨在评估自动化视网膜摄影和基于人工智能（AI）的心血管疾病（CVD）风险评估系统（rpCVD）在澳大利亚初级医疗环境中的现实世界准确性（主要结果）、可行性和可接受性（次要结果）。参与者年龄在45至70岁之间，最近在维多利亚州的两家普通诊所接受了部分或全部心血管疾病风险评估。同意参与后，参与者使用自动眼底相机进行视网膜成像，并由深度学习算法生成rpCVD风险评分。该评分与世界卫生组织（WHO）心血管疾病风险评分进行了比较，后者结合了年龄、性别和其他临床风险因素。通过UK Biobank的数据，评估了rpCVD和WHO CVD风险评分对未来10年心血管疾病事件的预测准确性，通过接收者操作特征曲线下面积（AUC）来评估每种系统的准确性。通过调查评估了参与者满意度，并通过获得足够质量图像以生成rpCVD风险评分的个体百分比确定了成像成功率。在361名参与者中，有339人获得了rpCVD风险评分，成像成功率为93.9%。rpCVD风险评分与WHO CVD风险评分之间存在中等程度的相关性（皮尔逊相关系数[PCC]=0.526，95%置信区间：0.444-0.599）。尽管如此，仅依赖视网膜图像的rpCVD系统展示了与包括多个临床因素的WHO CVD风险评分相似的预测10年心血管疾病事件的准确性（AUC=0.672，95%置信区间：0.658-0.686）。92.5%的参与者和87.5%的全科医生（GPs）表示对该系统满意。仅依赖视网膜照片的自动化rpCVD系统展示了与结合多个临床因素的WHO CVD风险评分相当的预测准确性，这表明rpCVD方法作为快速、简单且非侵入式的心血管疾病风险评估替代方案，在初级医疗环境中具有潜力，避免了更复杂的临床程序。
(全文结束)
