AI模型用彩照检测糖尿病黄斑缺血
摘要
研究开发了一种图神经网络多光谱学习模型（GNN-MSVL），利用普通彩色眼底照片检测糖尿病黄斑缺血（DMI）。该模型通过计算重建24波长伪多光谱图像，增强对缺血组织微弱反射变化的识别能力。研究纳入1078张来自592名糖尿病患者的单眼彩照，其中530张确诊为DMI。结果显示，模型在眼水平准确率达84.7%，AUC为0.900，显著优于基线模型和人类专家。
信息来源： PubMed Ophthalmology 发布于 2026年6月1日
要点速览
- 研究首次探索并验证了用彩色眼底照片结合AI检测糖尿病黄斑缺血（DMI）的可行性。
- 模型采用图神经网络与多光谱视图学习架构，从单张彩照重建24波长伪多光谱图像以捕捉缺血特征。
- 在1078张眼底彩照上实现84.7%准确率和0.900 AUC，显著优于基线模型与人类专家。
本站解读
这项研究首次证实，仅靠常规彩色眼底照片配合AI，就能较可靠地识别糖尿病黄斑缺血——一种过去依赖昂贵、耗时的荧光素眼底血管造影（FFA）才能确诊的病变。模型在1078张图像上达到84.7%准确率和0.900 AUC，说明其判别能力已具备临床筛查价值，尤其适合基层初筛。
研究设计属回顾性单中心影像分析，样本量中等，未说明是否包含外部验证集或真实世界部署测试，因此离实际落地还有距离：需前瞻性多中心验证、与FFA金标准同步比对，并嵌入现有眼科影像系统流程。短期内不会替代FFA，但有望成为高危患者分流工具。
普通人无需为此改变日常，也不必主动要求做额外检查；已有糖尿病者仍应按医嘱定期眼底检查。该技术若未来集成进社区筛查项目，可能提升DMI早期发现率。国内情况有待确认。
常见问题
AI看眼底彩照真能查出黄斑缺血吗？
是的，这项研究中的AI模型在测试中达到了84.7%的准确率，比医生肉眼判断更准。它不直接看病人的‘感觉’，而是分析彩照里肉眼难辨的细微反光变化。目前还处于研究阶段，尚未用于常规体检或门诊，如有疑虑可咨询眼科医生。
以后查糖尿病眼病是不是不用打针做造影了？
短期内还不能替代荧光素眼底血管造影（FFA），因为FFA仍是诊断黄斑缺血的金标准。AI模型目前是辅助筛查工具，目标是帮医生更快锁定高风险患者，减少不必要的造影检查。真正替代FFA还需更多临床验证。
延伸阅读
AI可替代一名医生进行眼底照相初筛
研究回顾性分析6904张眼底彩照，评估AI作为初筛者与一名医生组成双人读片流程的效果。结果显示，对糖尿病视网膜病变和视网膜静脉阻塞，AI-human组合的敏感度（0.974–0.982）和特异度（0.999–1.000）与传统双人人工读片无显著差异，且人均阅片量从2.00–2.10次降至1.02–1.11次；年龄相关性黄斑变性结果因读片组合而异，部分组合敏感度更高（0.916–0.950）。
合成数据+可解释AI提升糖网分级准确率
研究提出一种结合合成视网膜眼底图像与可解释机器学习的新框架，用于糖尿病视网膜病变（DR）严重程度分级。通过HSV色彩转换、GLCM纹理分析和病灶量化提取临床相关特征，用1200例合成图像训练随机森林分类器，并集成SHAP解释模块。该框架在合成数据上达到94%准确率，优于ResNet-50等主流深度学习模型，且SHAP分析显示其决策聚焦于临床上公认的渗出物等关键特征。
AI-OCT系统可大幅减少糖尿病黄斑水肿误转诊
研究在香港开展，先通过603名糖尿病患者进行前瞻性静默验证，再在276名疑似糖尿病黄斑水肿（DME）患者中开展非劣效性随机对照试验。AI-OCT系统结合图像质量评估、DME检测与不确定性标记功能，在干预组中将DME误转诊率从69.1%降至24.1%，绝对下降45%，且敏感性保持100%。