机器学习识别糖尿病视网膜病变易感与耐受特征
摘要
研究基于极端表型策略，纳入712名糖尿病患者：437例增殖性糖尿病视网膜病变（PDR）患者为易感组，275例病程≥10年但无视网膜病变者为耐受组。通过整合临床与生化指标构建LightGBM模型，在内部验证中AUC达0.90。SHAP分析显示尿白蛋白排泄率（UAER）、糖尿病病程、血清肌酐等是关键判别特征。在社区队列（n=673）中，该易感评分对高血糖人群（空腹血糖≥9.0 mmol/L）的区分能力提升至AUC 0.71。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究纳入712名糖尿病患者，分为437例增殖性糖尿病视网膜病变（易感组）和275例病程≥10年无视网膜病变（耐受组）
- LightGBM模型在内部验证中AUC达0.90，SHAP分析确认尿白蛋白排泄率（UAER）、糖尿病病程、血清肌酐等为关键判别特征
- 在社区队列（n=673）中，易感评分对空腹血糖≥9.0 mmol/L人群的区分能力达AUC 0.71
本站解读
这项研究用‘两极对比’思路——把病情最重和最轻的糖尿病患者放在一起比，找到了真正驱动严重视网膜病变的系统性特征。它不是只盯着眼睛，而是发现肾脏微血管损伤（以UAER为代表）、长期高血糖负担和病程本身共同构成了易感基础。模型在内部验证中AUC达0.90，说明区分能力很强；但放到更混杂的社区人群里，整体AUC掉到0.54，仅在空腹血糖≥9.0 mmol/L的人群中升至0.71——这恰恰印证了结论：易感性必须和代谢压力叠加才显现临床后果。
目前这还只是风险识别工具，离临床常规使用有距离：它没给出干预阈值，也没验证是否能指导治疗决策。短期内不会改变医生开药或打针的方式，但为未来分层筛查提供了新路径——比如对病程长、UAER升高且血糖控制差的患者，或许该更早启动强化随访。国内情况有待确认。
常见问题
我得糖尿病十几年了，眼睛一直没事，是不是以后也不会得眼病？
不一定。研究发现，部分患者虽长期患病却未出现视网膜病变，属于‘耐受表型’，但这不等于终身免疫。尿白蛋白升高、血糖长期控制不佳等因素仍可能打破这种耐受。如有疑虑可咨询眼科医生。
查尿蛋白对预防糖尿病眼病有用吗？
有用。研究明确将尿白蛋白排泄率（UAER）列为最关键的易感特征之一，其与严重视网膜病变风险呈显著非线性关联，提示肾脏微血管损伤和眼底病变存在共同病理基础。
延伸阅读
OCT扫描密度影响AI对糖尿病黄斑水肿中IRF体积的量化准确性
研究纳入401只糖尿病黄斑水肿（DME）眼，同次就诊内用同一设备分别采集97、49和25条B扫OCT图像。通过CE认证的深度学习模型量化IRF体积、SRF体积、炎症性高反射灶（I-HRF）数量及光感受器完整性指标。结果显示，除IRF体积外，其余指标在三种扫描密度下均稳定；25扫协议高估IRF体积约0.077–0.079 mm³，且误差随IRF总量增加而扩大（阈值约1.1 mm³）。49扫方案在速度与精度间取得最佳平衡。
糖尿病眼底变化可提示全身病变，但尚不能用于临床预测
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。
高糖与缺氧共同诱导视网膜内皮细胞代谢亚型
研究用代谢组学分析人视网膜内皮细胞（HRECs）在正常血糖、高糖（HG）、缺氧（Hyp）及高糖+缺氧（HG-Hyp）四种条件下的代谢变化，发现HG-Hyp联合刺激产生独特的Warburg样代谢特征，显著增强血管生成能力；脂肪酸生物合成等通路被显著富集；9种机器学习模型中，AdaBoost和梯度提升模型在多种验证方式下表现最稳定，AUC达0.88。