AI诊断糖尿病视网膜病变的准确性评估
摘要
一项在二级眼科中心开展的前瞻性研究，纳入294名患者共576只眼，使用Topcon NW400相机拍摄眼底照相，由Google ARDA AI工具与视网膜专科医生分别判读。以医生判读为金标准，AI对糖尿病视网膜病变（DR）的敏感性达97.1%，特异性90.9%，Kappa值0.77；对糖尿病性黄斑水肿（DME）诊断效率89.9%，但Kappa仅0.48，一致性较弱。
信息来源： PubMed Ophthalmology 发布于 2026年3月8日
要点速览
- AI工具Google ARDA在DR诊断中敏感性97.1%、特异性90.9%，与医生判读Kappa=0.77，显示高度一致。
- 研究采用非散瞳Topcon NW400眼底相机采集图像，由AI与视网膜专科医生分别判读，以医生结果为参考标准。
- AI对DME的诊断Kappa值仅0.48，表明其与医生在该病变判断上一致性较弱。
本站解读
这项研究显示，AI工具在识别糖尿病视网膜病变方面表现稳健——97.1%的敏感性意味着它几乎不会漏掉真正患病的眼睛，而90.9%的特异性说明误报率较低；但对DME的判断分歧较大（Kappa=0.48），提示AI目前更适合作为DR初筛助手，而非DME独立决策工具。
研究样本量中等（576只眼），设计为前瞻性、单中心、与专家判读直接对比，方法规范，结果可信度较高；不过未说明是否盲法评估、是否涵盖不同病程阶段，临床推广前还需多中心验证。
短期内难直接改变诊疗流程：AI尚未整合进常规筛查路径，也未证明能降低转诊率或改善患者预后；它更可能先用于基层或社区眼底拍照后的快速分流转诊，而非替代医生复核。
普通人无需因此调整日常管理，仍应按医嘱定期接受专业眼底检查；AI辅助判读不改变糖尿病患者护眼的基本逻辑——控糖、控压、控脂和规律随访。国内情况有待确认。
常见问题
AI查眼底比医生准不准？
不是更准，而是各有侧重：AI对糖尿病视网膜病变（DR）漏诊极少（敏感性97.1%），但对糖尿病性黄斑水肿（DME）的判断与医生差异较大（Kappa=0.48）。它不能替代医生，但可作为初筛辅助工具。如有疑虑可咨询眼科医生。
以后去社区医院拍个眼底照，AI就能告诉我有没有问题吗？
目前还不能完全实现。这项研究是在二级眼科中心完成的，AI工具虽表现出高敏感性，但尚未进入标准化筛查流程，也未证实能在基层稳定运行。实际应用还需系统集成、操作培训和质控保障。如有疑虑可咨询眼科医生。
延伸阅读
AI模型用45°眼底照准确识别糖尿病视网膜病变
研究基于印度南部2610名40岁以上参与者的数据，训练深度学习模型分析45°和200°超广角眼底图像。结果显示，该模型在45°图像上DR分级准确率达97.24%，将漏判率从16.5%降至6.2%；Grad-CAM显示模型聚焦中央区域，血管分析发现眼底周边病变与中央血管密度、迂曲度变化相关，提示AI可捕捉亚临床血管改变。
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）。