跳转到主要内容

#糖尿病视网膜病变

41 篇

与"糖尿病视网膜病变"相关的眼科资讯

学术研究

合成数据+可解释AI提升糖网分级准确率

研究提出一种结合合成视网膜眼底图像与可解释机器学习的新框架，用于糖尿病视网膜病变（DR）严重程度分级。通过HSV色彩转换、GLCM纹理分析和病灶量化提取临床相关特征，用1200例合成图像训练随机森林分类器，并集成SHAP解释模块。该框架在合成数据上达到94%准确率，优于ResNet-50等主流深度学习模型，且SHAP分析显示其决策聚焦于临床上公认的渗出物等关键特征。

#人工智能#糖尿病视网膜病变#医学影像
PubMed Ophthalmology
学术研究

AI-OCT系统可大幅减少糖尿病黄斑水肿误转诊

研究在香港开展，先通过603名糖尿病患者进行前瞻性静默验证，再在276名疑似糖尿病黄斑水肿（DME）患者中开展非劣效性随机对照试验。AI-OCT系统结合图像质量评估、DME检测与不确定性标记功能，在干预组中将DME误转诊率从69.1%降至24.1%，绝对下降45%，且敏感性保持100%。

#AI医疗#糖尿病视网膜病变#OCT
PubMed Ophthalmology
学术研究

MultiRetNet：融合眼底与OCT图像的糖尿病视网膜病变分级与DME检测模型

研究提出一种名为MultiRetNet的轻量级可解释AI模型，能同时完成糖尿病视网膜病变（DR）严重程度分级和糖尿病性黄斑水肿（DME）检测。该模型融合同一就诊中采集的彩色眼底照和光学相干断层扫描（OCT）图像，采用双EfficientNet-B0主干网络分别提取特征后拼接，再通过共享全连接层实现多任务学习。研究在425对（共850张）配对图像组成的私有数据集上训练并验证。

#人工智能#糖尿病视网膜病变#OCT
PubMed Ophthalmology
学术研究

联邦学习框架提升糖尿病视网膜病变筛查隐私性与可解释性

研究提出一种隐私保护型联邦混合专家（FL-MoE）深度学习框架，用于跨机构糖尿病视网膜病变（DR）分级。该框架结合可解释AI技术，在EyePACS和APTOS-2019数据集上测试了CNN、CNN-LSTM及ViT等多种主干网络。结果显示，CNN-LSTM在准确率（76.2%）、AUC（89.5%）和通信成本（比ViT低一个数量级）方面表现最优，且对数据异质性鲁棒性强，Grad-CAM可视化能粗略定位DR相关视网膜区域。

#人工智能#糖尿病视网膜病变#联邦学习
PubMed Ophthalmology
学术研究

超广角眼底照相提升糖尿病视网膜病变评估

研究指出，传统ETDRS七场法仅覆盖35%视网膜面积，易漏诊周边病变；而超广角彩色眼底照相（UWF-CFP）单次成像可达200°，可全面观察周边缺血、新生血管及前后极不对称病灶。结合深度学习算法，UWF-CFP已实现自动化筛查与分级；再整合超广角扫频OCTA等多模态数据，可提升诊断一致性与分期准确性。其血管参数还与糖尿病肾病、冠状动脉钙化及卒中风险相关，提示可用于系统性并发症风险的无创评估。

#糖尿病视网膜病变#超广角眼底照相#人工智能辅助诊断
PubMed Ophthalmology
学术研究

用眼底照片估算视网膜厚度的AI模型研究

研究开发了一种基于基础模型RETFound的深度学习框架，直接从彩色眼底照片（CFP）预测光学相干断层扫描（OCT）测得的全层视网膜厚度（TRT）图。训练数据来自AI-READI（含Topcon Maestro2和Triton两种设备配对的CFP与OCT）、OCTA-500和EyePACS。发现Maestro2测得的TRT平均比Triton厚超30微米；采用‘个体化’或‘组合式’解码策略的模型对设备特异性参考值偏差约5%，而‘随机选择’策略则趋于两设备平均值。

#人工智能#视网膜厚度#OCT +2
PubMed Ophthalmology
学术研究

青少年1型糖尿病患者糖化血红蛋白升高与视网膜神经层变薄相关

该研究纳入294名9至21岁的1型糖尿病青少年（共578只眼），平均年龄15.8岁，中位糖化血红蛋白（HbA1c）为8.5%。通过光学相干断层扫描（OCT）测量视网膜各层厚度，发现内层神经视网膜（GCL+IPL）和外层视网膜厚度均与HbA1c呈负相关：HbA1c每升高1%，GCL+IPL厚度减少0.39 µm，外层厚度减少0.81 µm。即使尚未出现临床可见的糖尿病视网膜病变（DRD），神经层已出现变薄。

#糖尿病视网膜病变#OCT#青少年糖尿病
PubMed Ophthalmology
学术研究

GLP-1受体激动剂与眼病：疗效潜力与安全信号

本综述系统梳理了GLP-1受体激动剂（GLP-1 RAs）在眼科疾病中的作用机制、临床证据及安全性问题。实验研究一致显示其具有抗炎、抗氧化和神经血管保护效应，尤其在糖尿病视网膜病变中表现突出；但临床研究受限于设计异质性和缺乏标准化眼科终点指标。文中同时指出两类新兴安全信号：非动脉炎性前部缺血性视神经病变和新生血管性年龄相关性黄斑变性，但因果关系尚未确立。

#GLP-1受体激动剂#糖尿病视网膜病变#药物安全性
PubMed Ophthalmology
学术研究

糖尿病视网膜病变迈向整合式精准诊疗

该综述指出，尽管抗VEGF治疗显著改善了糖尿病黄斑水肿和增殖性糖尿病视网膜病变的视力预后，但大量患者仍存在疗效不全、需终身频繁注射或疾病进展等问题。研究强调糖尿病视网膜病变是涉及神经、血管、炎症、缺血等多维度的慢性疾病，并系统梳理了OCT、OCTA、超广角成像及AI辅助分析等多模态影像技术在识别生物标志物中的作用，以及激素植入、双通路抑制剂、长效给药系统等新疗法进展，提出‘整合式精准诊疗’（IPC）框架，主张结合影像表型、生物学特征、全身代谢状态与患者个体因素进行动态决策。

#糖尿病视网膜病变#抗VEGF#精准医疗 +1
PubMed Ophthalmology
学术研究

糖尿病黄斑水肿抗VEGF耐药新蛋白标志物研究

研究纳入30例接受抗VEGF治疗已达平台期的糖尿病黄斑水肿（DME）患者，采集6次注射时的房水样本，结合AI分析OCT液体体积，并对前3次样本进行蛋白质组学检测。共鉴定202种高频表达蛋白，其中10种与视网膜积液量显著相关；afamin蛋白在积液明显者中最高上调1.8倍，且ELISA验证其持续升高；同时发现cystatin-C和clusterin等抗炎蛋白下调。

#糖尿病视网膜病变#抗VEGF耐药#房水蛋白组学
PubMed Ophthalmology
学术研究

AI诊断糖尿病视网膜病变的准确性评估

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。

#人工智能#糖尿病视网膜病变#眼底筛查
PubMed Ophthalmology