跳转到主要内容
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

PubMed Ophthalmology (2026年10月21日)

摘要

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。

信息来源: PubMed Ophthalmology 发布于 2026年10月21日

要点速览

  • 结构化叙述性综述,覆盖2020年1月至2026年3月的研究
  • AI筛查的实际效果还取决于图像可判读性、阈值、外部验证和转诊能力
  • 综述讨论了眼底色素相关的表现差异和自主与人机结合筛查的监管
  • 作者提出以验证层级、安全监测和流程整合为核心的临床就绪度框架

本站解读

这是一篇综述,不是新的临床研究,没有新的患者数据。它梳理的是2020年1月到2026年3月间,AI如何用于糖尿病视网膜病变的筛查。作者的主要观点是:AI在实际筛查中的效果,不只取决于诊断准确率,还取决于图像能否被判读、操作阈值是否合适、不确定结果如何处理、是否经过外部验证,以及转诊能力和现有诊疗流程能否衔接。

综述还讨论了几个具体问题:眼底色素深浅可能造成AI表现差异,作者讨论了应对办法;“全自动”与“人机结合”两种筛查模式需要监管框架治理;视网膜基础模型有望减少标注负担、提高在不同数据间的稳健性。作者提到亚太地区的实施经验,说明在资源有限、情况复杂的筛查环境里这些问题很突出。摘要没有给出检索方法细节,综述的结论属于作者的归纳。

我们的判断是,这篇综述的价值在于把“能不能用”从算法跑分转到了流程和验证上,但它本身不能证明哪种AI产品效果更好。国内情况有待确认。

常见问题

AI筛查糖尿病视网膜病变靠谱吗?

这篇综述的看法是,不能只看算法的准确率。AI筛查在现实中是否有效,还取决于图像质量、操作阈值、不确定结果的处理、外部验证和后续转诊能力。它没有给出某个产品好坏的结论。如有疑虑可咨询眼科医生。

AI会取代眼科医生做糖尿病眼病筛查吗?

综述没有给出取代的结论。它讨论了全自动和人机结合两种筛查模式,并指出这两种模式在监管框架下如何治理仍在演进。作者强调的是安全监测和与现有诊疗流程的整合。如有疑虑可咨询眼科医生。

延伸阅读

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

AI先读眼底照片:人机双读使人工阅片量减半

这项回顾性研究分析了一家三级筛查中心2593名患者的6904张彩色眼底照片,评估AI作为第一读片者的价值,疾病包括AMD、糖尿病视网膜病变和视网膜静脉阻塞。AI与一名医生独立读片,不一致时由第二名医生仲裁。AI-人读片每张图需1.02至1.11次人工阅读,人-人为2.00至2.10次。对糖尿病视网膜病变和视网膜静脉阻塞,两种方式的敏感度和特异度无显著差异;AMD因组合而异。

#眼底筛查#人工智能#双人读片 +1
PubMed Ophthalmology
学术研究

AI模型用45°眼底照准确识别糖尿病视网膜病变

研究基于印度南部2610名40岁以上参与者的数据,训练深度学习模型分析45°和200°超广角眼底图像。结果显示,该模型在45°图像上DR分级准确率达97.24%,将漏判率从16.5%降至6.2%;Grad-CAM显示模型聚焦中央区域,血管分析发现眼底周边病变与中央血管密度、迂曲度变化相关,提示AI可捕捉亚临床血管改变。

#人工智能#糖尿病视网膜病变#眼底筛查
PubMed Ophthalmology