超广角OCTA联合临床指标识别2型糖尿病早期视网膜病变
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究纳入1676名2型糖尿病患者，其中176人来自社区基层医疗机构用于外部验证。
- 多模态模型整合UW-OCTA图像与糖尿病病程、糖化血红蛋白、LDL-C和收缩压四个临床变量。
- 模型在外部验证集AUC为0.849（95%CI: 0.760–0.953），高于仅用图像或仅用临床数据的模型。
本站解读
这项研究发现，把超广角OCTA图像和几个简单临床指标（比如糖尿病病程、糖化血红蛋白、血压）一起喂给AI模型，能比单用图像更准地揪出2型糖尿病患者的早期视网膜病变——外部验证AUC达0.849，说明模型在真实社区场景中仍有相当判别力。样本量够大（1676例）、来源兼顾三甲医院和社区、设计为横断面但做了内外部验证，整体方法扎实，比多数纯影像AI研究更贴近临床落地需求。
不过，UW-OCTA设备尚未普及，图像采集需专业操作，且模型依赖特定26×21 mm扫描范围和自动分层算法，短期内难直接替代眼底照相筛查。它更可能先作为高风险人群的辅助分层工具，而非一线筛查手段。国内情况有待确认。
对普通人而言，无需因这项研究改变日常管理：控制血糖、血压、血脂仍是核心；也不必主动要求做UW-OCTA检查。如有疑虑可咨询眼科医生。
常见问题
这个AI检查是不是以后就能代替眼底照相了？
不能。该模型依赖超广角OCTA图像，设备昂贵、操作复杂，目前远不如眼底照相普及；研究也未证明它比现有筛查方式更经济或更易推广。它现阶段定位是辅助识别高风险患者，不是替代常规筛查。如有疑虑可咨询眼科医生。
我有糖尿病，现在就要去做UW-OCTA检查吗？
不需要。这项技术仍处于研究验证阶段，尚未成为临床常规检查项目。当前糖尿病患者仍应按指南定期接受散瞳眼底照相或免散瞳眼底筛查。UW-OCTA是否适用、何时可用，需等待更多临床验证和规范出台。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。
FedMediFormer-XAI：面向糖尿病的联邦多模态AI框架
该研究提出FedMediFormer-XAI框架，整合联邦学习、多模态Transformer、扩散模型数据增强、图神经网络（GNN）药物推荐和可解释AI（XAI），用于糖尿病预测与个性化用药推荐。系统融合临床记录、眼底图像、动态血糖监测、可穿戴设备数据等多源异构信息。在代表性实现中，疾病预测准确率达94.2%，AUC-ROC为0.96；药物推荐模块NDCG达0.91。
AI分析显示DME患者外层视网膜结构损伤模式不同
研究利用AI辅助OCT技术，对1688名糖尿病性黄斑水肿（DME）患者的2355只眼进行横断面分析，量化了外界膜（ELM）和椭圆体带（EZ）中断比例及与积液、炎症灶、视力的关系。结果显示：21.9%的眼睛存在ELM中断，37.6%存在EZ中断；EZ中断更常见，且与炎症性高反射灶增多相关；ELM中断则与视力下降和浆液性视网膜下液负担关联最强。