AI通过眼底照相无创筛查糖尿病大血管并发症
摘要
研究开发了一种基于眼底彩照的可解释AI模型，用于早期识别糖尿病患者外周动脉和主动脉疾病（PAAD）。该模型融合模拟OCT结构特征、手工血管生物标志物及注意力增强的VGG16网络，采用多实例学习和多级特征融合策略。在独立测试集上达到94.6%准确率、90.5%敏感性、96.2%特异性及0.973 AUC-ROC，平均单图推理耗时150毫秒。
信息来源： PubMed Ophthalmology 发布于 2026年3月25日
要点速览
- AI模型利用眼底彩照识别糖尿病相关外周动脉和主动脉疾病（PAAD），在独立测试集上AUC-ROC达0.973
- 技术整合了模拟OCT结构特征、手工血管生物标志物及带CBAM模块的VGG16网络，并采用多实例学习优化弱标签数据训练
- 模型具备可解释性，SHAP分析指出视网膜厚度和纹理熵是主导预测因子，Grad-CAM定位到血管分叉与小动脉狭窄区域
本站解读
这项研究发现，糖尿病患者眼底微血管的细微变化——比如视网膜厚度和纹理熵——能可靠反映全身性大血管病变，AI模型据此实现了94.6%的准确率，远超常规体检对PAAD的检出率。研究使用公开与临床队列的高分辨率眼底图像训练验证，但未说明总样本量或是否含前瞻性随访，属于典型的算法开发型回顾研究，尚未进入真实世界筛查场景验证。
短期内难以改变临床做法：当前诊断仍依赖踝肱指数、超声或CTA等有创/昂贵检查，而该AI工具需嵌入现有眼底相机工作流，并通过监管审批、医生接受度培训和结果解读路径建设才能落地。它不替代确诊，而是作为风险分层初筛工具。
普通人无需因此改变生活习惯或检查频率，但若已在糖尿病管理中定期拍眼底照，可留意报告是否新增PAAD风险提示；如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
这个AI查眼底就能知道我有没有大血管问题？
目前不能直接确诊，但研究显示该AI模型能从常规眼底照片中识别出与外周动脉和主动脉疾病相关的微血管特征，在测试中准确率达94.6%。它属于辅助筛查工具，阳性结果仍需踝肱指数、超声等进一步检查确认。如有疑虑可咨询眼科医生。
以后查眼底是不是不用再做血管B超了？
不是。该AI模型是初筛手段，不是替代诊断。血管B超、CTA等仍是确诊外周动脉和主动脉疾病的金标准。AI的作用是帮助在无症状阶段提前识别高风险人群，从而更早启动针对性评估。如有疑虑可咨询眼科医生。
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）。
AI模型用彩照检测糖尿病黄斑缺血
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。
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%。