糖尿病眼底变化可提示全身病变，但尚不能用于临床预测
摘要
该综述指出，糖尿病患者的眼底非侵入性变化（如OCT和OCTA发现的神经血管改变）可能早于糖尿病视网膜病变临床表现，反映微血管、神经退行和炎症过程。研究将眼作为系统性疾病的生物标志物平台，强调AI已可用于糖尿病视网膜病变的自动筛查，但在预测慢性肾病、心血管事件或认知下降方面仍属研究阶段。目前证据多为观察性，缺乏糖尿病人群的前瞻性对照研究支持。
信息来源： PubMed Ophthalmology 发布于 2026年10月8日
要点速览
- 糖尿病患者视网膜的神经血管变化可在糖尿病视网膜病变临床发生前被OCT和OCT血管成像检测到。
- AI已达到临床成熟阶段，可用于糖尿病视网膜病变的自动化筛查，但尚未获批用于系统性风险预测。
- 现有视网膜生物标志物证据主要来自观察性研究，需更多糖尿病特异性前瞻性研究验证其临床价值。
本站解读
这项综述的核心结论很实在：眼睛确实能‘透露’糖尿病对全身的影响——比如OCT和OCT血管成像已能捕捉到视网膜神经血管的早期变化，这些变化甚至出现在糖尿病视网膜病变被临床诊断之前；而且视网膜问题与心、脑、肾、认知功能异常存在关联。但关键在于，这些关联大多来自非糖尿病人群的研究，且绝大多数证据是观察性的，不是通过严格干预或随访验证的因果证据。
因此，当前所有视网膜测量指标都只能算‘候选生物标志物’，远未达到临床可用的标准：既没有统一的测量规范，也不清楚哪些数值阈值真正有意义，更缺乏证明它们比现有风险因素（如HbA1c、血压、eGFR）提供额外预测价值的数据。AI在糖网筛查中已进入临床成熟期，但用于预测慢性肾病或认知衰退等系统结局，仍是探索阶段。国内情况有待确认。
短期内它不会改变医生开药或调方案的方式，普通人也无需因这篇综述改变日常管理节奏——控制血糖、血压、血脂仍是根本。如有疑虑可咨询眼科医生。
常见问题
眼睛检查能提前发现我以后会不会得肾病或脑子变差吗？
目前还不能。虽然研究发现视网膜变化和肾病、认知下降有关联，但这些关联大多来自非糖尿病人群，且证据属于观察性，尚未证实因果关系或预测能力。视网膜指标现在只是‘候选生物标志物’，不能替代现有检查来预测这些疾病。如有疑虑可咨询眼科医生。
AI查眼底真的能代替医生看糖尿病眼病吗？
AI目前已可用于糖尿病视网膜病变的自动化筛查，技术上已进入临床成熟阶段，但它的角色是辅助初筛，不能替代医生综合判断。AI尚未被批准用于预测慢性肾病、心血管事件或认知衰退等系统性结局，这些应用仍处于研究阶段。
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。
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。
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。