纳米高熵氧化物平台用于糖尿病视网膜病变代谢分型
摘要
研究团队开发了一种基于高熵蛋黄壳金属氧化物的新型无机激光解吸电离基质，用于血清代谢物检测。该技术结合机器学习（随机森林模型），在区分糖尿病视网膜病变患者与健康人时AUC超过0.99；仅用5种关键代谢物（DR-D5）即可实现93%以上的诊断准确率，并揭示了与疾病发生相关的代谢通路变化。
信息来源： PubMed Ophthalmology 发布于 2026年6月2日
要点速览
- 研究构建了基于高熵蛋黄壳金属氧化物的新型LDI MS代谢检测平台，用于糖尿病视网膜病变判别。
- 该平台使用随机森林模型分析血清代谢物，实现AUC超过0.99的组间区分性能。
- 筛选出5种关键代谢物（DR-D5）组成的精简面板，诊断准确率高于93%。
本站解读
这项研究的核心突破是用一种全新设计的纳米材料——高熵蛋黄壳氧化物，替代传统三金属氧化物作为质谱检测基质，显著提升了代谢物信号质量。它不是靠拍眼底照片，而是从血液里抓取5个代谢物‘指纹’，就能高精度识别糖尿病视网膜病变，AUC超0.99、准确率超93%，数据扎实。但这是实验室阶段的原理验证，样本来源、数量、临床队列特征等关键信息原文未披露，尚无法评估其在真实门诊环境中的稳定性与泛化能力。
短期内不可能替代眼底照相或OCT检查，更不会进入常规体检流程。它属于前沿检测范式探索，距离临床落地至少还需多中心验证、试剂盒开发、监管审批等步骤。国内情况有待确认。
对普通人而言，无需因这项研究调整当前健康管理行为。血糖控制、定期眼科随访仍是预防和延缓糖尿病视网膜病变的最有效手段。如有疑虑可咨询眼科医生。
常见问题
这个新方法能代替眼底拍照查糖尿病眼病吗？
不能替代。目前它仍处于实验室研究阶段，尚未用于临床诊断。眼底照相、光学相干断层扫描（OCT）和医生阅片仍是糖尿病视网膜病变的标准检查方式。该技术未来可能作为辅助筛查工具，但需经过大量临床验证和审批流程。如有疑虑可咨询眼科医生。
抽血查这5个指标，现在医院能做吗？
不能。这项检测依赖特制的纳米基质和定制化质谱分析流程，尚未形成商业化检测试剂盒或检验项目，国内外医院均未开展。它目前只存在于研究论文中，离常规检验还有很长距离。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。