Eyerobo便携眼底相机AI筛查糖尿病视网膜病变验证成功
摘要
研究验证了新型便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变（DR）筛查中的诊断性能。研究采用迁移学习方法，将原本在桌面式眼底相机图像（EyePACS、APTOS 2019数据集）上训练的EfficientNet-B4模型，直接用于Eyerobo FC拍摄的图像，未做任何重训练。在104只眼睛的前瞻性队列中（52例可转诊DR，52例不可转诊），其敏感度达92.3%，特异度94.2%，与桌面式Topcon TRC NW6相机基准（敏感度92.7%，特异度94.3%）相比达到非劣效性。
信息来源： PubMed Ophthalmology 发布于 2026年3月11日
要点速览
- Eyerobo FC在104眼前瞻性队列中实现92.3%敏感度和94.2%特异度，非劣于桌面式Topcon TRC NW6相机
- 采用迁移学习策略：AI模型仅在桌面相机图像上训练，未经调整即直接用于Eyerobo FC图像分析
- 研究通过三级实验设计完成验证：Tier 1训练、Tier 2建立桌面基准（Messidor-2，N=1748）、Tier 3跨平台验证
本站解读
这项研究证实：一台不需散瞳、便于携带的眼底相机，配合已有的AI算法，就能达到和传统桌面设备几乎一样的筛查准确率——敏感度92.3%，特异度94.2%。这说明技术瓶颈正在被突破，关键不是换新算法，而是让好算法适配更接地气的硬件。
研究设计扎实：先用大样本公开数据集（EyePACS、APTOS）训练模型，再用独立的Messidor-2（1748眼）确立桌面设备基准，最后在真实临床场景下测试Eyerobo FC（104眼）。虽然104眼的验证样本量偏小，但结果落在非劣效边界内，且置信区间较窄，可靠性较高。
短期内难直接改变三甲医院常规流程，但对基层、社区、体检中心和移动筛查车意义重大——它把专业级眼底评估从诊室‘搬’到了患者身边。国内情况有待确认。
常见问题
这个便携相机拍的眼底照片，真能代替医院里那种大机器吗？
在糖尿病视网膜病变筛查这一特定用途上，研究显示可以。它在104只眼睛的测试中，识别出需要转诊的病变能力（敏感度92.3%）和排除健康眼睛的能力（特异度94.2%）与传统桌面设备相当。不过它目前定位是筛查工具，不能替代医生综合判断和进一步检查。如有疑虑可咨询眼科医生。
用这个相机查眼睛，还要滴药水放大瞳孔吗？
不需要。Eyerobo FC是免散瞳设计，拍摄过程更快、更舒适，适合大规模初筛。研究明确指出它是non-mydriatic（免散瞳）设备，这对怕光、年老或不便配合的患者尤其友好。如有疑虑可咨询眼科医生。
延伸阅读
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。
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）。
超广角OCTA联合临床指标识别2型糖尿病早期视网膜病变
该研究纳入1676名2型糖尿病患者，其中1047人用于训练、453人用于内部测试、176人来自社区的外部验证集。研究结合超广角光学相干断层扫描血管成像（UW-OCTA）图像与临床指标（如病程、糖化血红蛋白、低密度脂蛋白胆固醇和收缩压），构建多模态深度学习模型。结果显示，多模态模型在内部和外部验证集中AUC分别为0.921和0.849，优于仅用图像或仅用临床数据的模型，提示其有助于无创识别早期糖尿病视网膜病变。