跳转到主要内容
学术研究

人工智能预测2型糖尿病视网膜病变风险:系统综述

PubMed Ophthalmology (2026年9月1日)

摘要

这篇系统综述检索了PubMed、Scopus、Web of Science和ScienceDirect中2016年1月至2025年12月的研究,汇总人工智能预测2型糖尿病患者糖尿病视网膜病变风险的模型。检索到1040条记录,纳入8项研究。极端梯度提升、随机森林等集成模型表现较优,曲线下面积(AUC)在0.68至0.97之间。多数研究只做了内部验证,外部验证基本缺失。

信息来源: PubMed Ophthalmology 发布于 2026年9月1日

要点速览

  • 系统综述检索2016年1月至2025年12月的研究,1040条记录中纳入8项研究
  • 极端梯度提升、随机森林等集成模型表现较优,AUC在0.68至0.97之间
  • 常见预测因子包括糖化血红蛋白、糖尿病病程、血压、血脂和肾功能指标
  • 多数研究只做内部验证,外部验证基本缺失,作者呼吁统一报告规范

本站解读

这是一篇系统综述,要回答的问题是:用人工智能预测2型糖尿病患者以后会不会出现糖尿病视网膜病变,现有证据到了什么程度。检索到1040条记录,最终只纳入8项研究。模型表现差异很大,AUC(曲线下面积,反映模型区分有病和无病的能力)在0.68到0.97之间,极端梯度提升、随机森林等集成模型表现较优。

证据的限制很明确。多数研究只做了交叉验证或训练集与测试集拆分这类内部验证,外部验证基本缺失;研究设计、预测因子选择和报告方式也不一致。综述以叙述方式汇总,并用纽卡斯尔-渥太华量表评估方法学质量,整体评为较高。作者承认,临床实用性的报告不足,妨碍模型进入实际应用。

我们的判断是,这类模型目前还停留在有潜力的阶段:换一批人群能否保持同样的表现,现有研究没有回答。AUC从0.68到0.97,说明不同模型之间的差距,比笼统的“人工智能有用”要大得多。这一结论在国内人群中是否成立有待确认。

常见问题

人工智能能预测我以后会不会得糖尿病视网膜病变吗?

目前还不能当作个人预测工具。这篇综述纳入的8项研究里,模型的AUC在0.68到0.97之间,差别很大,而且多数只做了内部验证,外部验证基本缺失。作者认为这些限制妨碍模型进入实际应用。个人风险需要由医生结合具体情况评估,如有疑虑可咨询眼科医生。

血糖、血压这些指标和眼底病变风险有关吗?

在这些预测模型里,它们被反复用作风险线索。原文称,糖化血红蛋白水平、糖尿病病程、血压、血脂和肾功能指标在各研究中持续出现,另有新出现的代谢组学生物标志物。不过综述汇总的是预测模型,并没有说明这些指标与病变之间的因果关系。如有疑虑可咨询眼科医生。

延伸阅读

学术研究

糖尿病视网膜病变AI综述:从深度学习到基础模型与实际应用

这篇结构化叙述性综述梳理了2020年1月至2026年3月间糖尿病视网膜病变的诊断、眼底成像、治疗和AI筛查进展,并选择性纳入更早的重要研究。内容涉及视野最大约200度的超广角成像、OCT和OCT血管成像,AI方法从针对单一任务的卷积神经网络向基于Transformer和自监督学习的视网膜基础模型演变,以及校准、图像质量控制和跨设备外部验证等临床应用要求。作者还提出一个临床就绪度框架。

#糖尿病视网膜病变#人工智能#眼底筛查 +1
PubMed Ophthalmology
学术研究

巴西养老机构用手机眼底相机做筛查:AI判断表现有限

巴西圣保罗一家老年人专门收容机构开展前瞻性试点干预研究,由受训的非眼科专业人员用便携式眼底相机为38名住户的76只眼拍照,图像交给视网膜专科医生远程评估,并与EyerMaps人工智能系统比较。专科医生在70只眼(92.1%)发现异常,没有发现糖尿病视网膜病变。以任何眼部异常为参考标准,AI判为异常22只眼,敏感度25.7%,特异度33.3%,总体准确率26.3%。

#糖尿病视网膜病变#眼底筛查#人工智能 +1
PubMed Ophthalmology
学术研究

青光眼AI研究十年系统综述:高准确率不等于可临床使用

一项系统综述按PRISMA指南检索PubMed、IEEE Xplore、ScienceDirect和SpringerLink,从3,758条记录中纳入2015至2026年发表的63项同行评审研究,涉及青光眼的人工智能检测与监测。多数研究把深度学习用于眼底照片、OCT、OCT血管成像、视野或多模态数据,不少模型的ROC曲线下面积约为0.95。作者认为在广泛应用前仍需前瞻性多中心验证。

#青光眼#人工智能#系统综述
PubMed Ophthalmology