【摘要】目的探討真實(shí)臨床場景下人工智能（AI）輔助免散瞳眼底照相技術(shù)在糖尿病眼底病變（DR）篩查中的效率，及其診斷與眼科醫(yī)師結(jié)論的一致性。方法采用前瞻性觀察性研究設(shè)計(jì)，以2018年10月至2024年12月在天津市第四中心醫(yī)院內(nèi)分泌科代謝性疾病管理中心接受免散瞳眼底檢查的14305例2型糖尿病患者為研究對象。觀察免散瞳檢查與AI結(jié)合后眼底病變篩查情況及對免散瞳獲取的眼底照片，通過加權(quán)Kappa檢驗(yàn)評估AI系統(tǒng)與眼科專家診斷一致性，并分析篩查失敗原因。結(jié)果DR總檢出率為21.4%（3056/14305），其中病程lt;1年患者DR陽性率達(dá)17.2%。AI系統(tǒng)與眼科專家診斷總體一致性Kappa=0.817（95%CI0.797～0.838，Plt;0.001），對中度以上DR識別靈敏度97.3%、特異度95.9%。2023年9月至2024年12月篩查失敗率3.7%（115/3085），主要原因?yàn)橥仔。?0.4%）及白內(nèi)障等導(dǎo)致介質(zhì)不清（24.3%）。結(jié)論在內(nèi)分泌診區(qū)設(shè)置免散瞳眼底檢查可促進(jìn)DR早期篩查，AI輔助免散瞳篩查在真實(shí)臨床場景中展現(xiàn)出良好效能。

【關(guān)鍵詞】糖尿病視網(wǎng)膜病變；免散瞳眼底照相；人工智能；真實(shí)世界研究；眼底篩查

糖尿病視網(wǎng)膜病變（diabeticretinopathy，DR）是工作年齡段人群首要致盲病因，全球約1/3糖尿病患者罹患DR［1］。傳統(tǒng)篩查模式面臨雙重挑戰(zhàn)：一方面，我國眼科醫(yī)師密度僅為3.2/100000，難以滿足1.4億糖尿病患者的篩查需求［2］；另一方面，散瞳檢查導(dǎo)致的視力模糊、就診時(shí)間延長等問題顯著降低患者依從性［3］。

人工智能（artificialintelligence，AI）在內(nèi)外科疾病診療中均有廣泛的應(yīng)用［4-6］。AI與免散瞳技術(shù)的結(jié)合為突破這一困境提供新路徑［7］。AI算法能夠通過對大量視網(wǎng)膜圖像的學(xué)習(xí)和分析，實(shí)現(xiàn)對DR的準(zhǔn)確診斷，且具有高效、客觀、可重復(fù)性強(qiáng)等優(yōu)點(diǎn)［8］。免散瞳檢查方法則無需患者散瞳，簡化了檢查流程，提高了患者的舒適度，使得篩查更加便捷和易于推廣［9］。既往研究多聚焦于理想條件下的算法驗(yàn)證，而真實(shí)臨床場景中操作者經(jīng)驗(yàn)差異、患者配合度波動(dòng)等因素對篩查效能的影響尚未明確。本研究擬通過在6年縱向觀察的真實(shí)醫(yī)療環(huán)境中系統(tǒng)評估AI輔助免散瞳篩查的綜合效能，為臨床推廣提供循證依據(jù)。

1對象與方法

1.1研究對象

以2018年10月至2024年12月天津市第四中心醫(yī)院內(nèi)分泌科代謝性疾病管理中心（MetabolicDiseaseManagementCenter，MMC）就診的接受免散瞳眼底檢查的T2DM患者為研究對象。納入標(biāo)準(zhǔn)：①2型糖尿?。╰ype2diabetesmellitus，T2DM）患者，②有獨(dú)立溝通能力。排除標(biāo)準(zhǔn)：①糖尿病合并妊娠；②有活動(dòng)性肺結(jié)核等傳染病患者；③既往有明確的眼底疾病就診史，先天性眼底疾病史及外傷所致眼底疾病史；④雙側(cè)眼底均因屈光介質(zhì)混濁不能窺及的患者；⑤精神障礙患者。本研究“真實(shí)環(huán)境”指：①檢查由內(nèi)分泌科護(hù)士操作；②采用診療區(qū)自然光照（300～500Lux）；③最多嘗試3次拍攝獲取最佳圖像。本研究方案符合醫(yī)學(xué)倫理相關(guān)規(guī)定，嚴(yán)格遵守《赫爾辛基宣言》，通過天津市第四中心醫(yī)院倫理委員會審查（批件號：2017-SZXLL020），所有患者均知情同意并簽署同意書。

1.2信息收集及診斷標(biāo)準(zhǔn)

由MMC眼底篩查室專一工作人員通過統(tǒng)一表格收集患者性別、年齡、糖尿病病程及眼底篩查結(jié)果等信息。T2DM診斷參考2020版中國2型糖尿病防治指南［10］，或被2級及以上醫(yī)院既往明確診斷為T2DM。DR的診斷參考了中華醫(yī)學(xué)會眼底病學(xué)組制定的相關(guān)標(biāo)準(zhǔn)［11］，分為無糖尿病視網(wǎng)膜病變眼底、非增殖性糖尿病視網(wǎng)膜病變（nonproliferativediabeticretinopathy，NPDR）及增殖性糖尿病視網(wǎng)膜病變（proliferativediabeticretinopathy，PDR），其中NPDR分為輕度、中度及重度［12-13］。

MMC診室中拍攝眼底照片的工作人員為經(jīng)過規(guī)范化培訓(xùn)的技術(shù)人員，使用免散瞳眼底照相機(jī)（Reticam3100，ChongqingBeaoxinVisionMedicalEquipmentCompany），拍攝至少2張以黃斑及視乳頭為中心的45°的眼底后極部彩色照片，圖像質(zhì)量由質(zhì)量控制軟件和操作者共同掌握。合格眼底照片的標(biāo)準(zhǔn)［14-15］：①圖像必須覆蓋至少45°的視網(wǎng)膜區(qū)域，黃斑和視盤可見；②至少80%的視網(wǎng)膜區(qū)域可識別；③沒有因聚焦失敗和運(yùn)動(dòng)引起的過度曝光、曝光不足或模糊。人工智能算法：本研究中采用的自動(dòng)DR評分軟件（VoxelCloud，中國）使用深度學(xué)習(xí)技術(shù)開發(fā)。該軟件中包括了2種不同的網(wǎng)絡(luò)：DR分類網(wǎng)絡(luò)和質(zhì)量控制網(wǎng)絡(luò)。DR分類網(wǎng)絡(luò)是自動(dòng)DR分級軟件的關(guān)鍵組成部分，它在2個(gè)數(shù)據(jù)集上進(jìn)行了訓(xùn)練，以提高模型在復(fù)雜情況下的性能。第一個(gè)數(shù)據(jù)集來自2005至2015年期間獲得的一個(gè)廣泛的私人視網(wǎng)膜圖像數(shù)據(jù)庫，用于訓(xùn)練初始DR分級模型［16］，根據(jù)國際DR臨床分類，確定這些圖像中視網(wǎng)膜病變的嚴(yán)重程度，該分類法由國際眼科委員會開發(fā)，并被廣泛采用。第二個(gè)數(shù)據(jù)集（國內(nèi)眼底數(shù)據(jù)集）來自中國公立醫(yī)院，DR嚴(yán)重程度分級根據(jù)3名視網(wǎng)膜專家的共識進(jìn)行分配［17］。

眼底照片信息同步發(fā)送到眼科醫(yī)師端，AI眼底輔助系統(tǒng)即刻出具眼底臨時(shí)報(bào)告，作為是否需要轉(zhuǎn)診的參考。由AI提示的具有轉(zhuǎn)診意義的眼底照片將優(yōu)先提醒眼科醫(yī)師審核，眼科醫(yī)師通常在30min內(nèi)完成。其他眼底照片由眼科醫(yī)師在48h內(nèi)審核完成。所有眼底照片最終報(bào)告均需要經(jīng)副主任及以上眼科專業(yè)醫(yī)師審核確定。

1.3研究分組及觀察指標(biāo)

對免散瞳獲得的眼底照片分別進(jìn)行快速AI及眼科?？漆t(yī)師診斷，其眼底報(bào)告由此分為AI組及眼科醫(yī)師組。獲得患者每張眼底照片及雙方報(bào)告后，評估觀察指標(biāo)：①評估研究對象中患者DR、黃斑病變、白內(nèi)障及高血壓視網(wǎng)膜病變的發(fā)生情況。②2018年10月至2021年7月之間就診的患者，比較2組報(bào)告結(jié)果在DR診斷的一致性。③實(shí)踐過程中時(shí)有發(fā)生DR篩查失敗情況，為對失敗原因進(jìn)行分析，本研究從2023年9月開始記錄相關(guān)原因，利于進(jìn)一步分析。本研究以眼科專家診斷為金標(biāo)準(zhǔn)，計(jì)算不同DR分期AI識別的靈敏度、特異度。該研究流程圖見圖1。本研究中患者DR的診斷如遇到雙側(cè)眼底出現(xiàn)不同程度DR病變時(shí)，以較嚴(yán)重眼底為最終報(bào)告。在比較一致性時(shí)，則是在獲取的每一張眼底照片中進(jìn)行。

1.4統(tǒng)計(jì)學(xué)方法

數(shù)據(jù)的整理和分析主要采用SPSS26.0。對計(jì)量資料進(jìn)行正態(tài)性檢驗(yàn)，對符合正態(tài)分布的用描述，計(jì)數(shù)資料采用n（%）表示，組間比較采用χ2檢驗(yàn)。由于DR診斷結(jié)果為有序分類變量，一致性比較采用加權(quán)Kappa檢驗(yàn)，Kappa值lt;0.2則說明一致性程度較差，0.2～lt;0.4之間為一般，0.4～lt;0.6為中等，0.6～lt;0.8為較強(qiáng)，≥0.8說明一致性程度很強(qiáng)。本研究中以眼科?？漆t(yī)師診斷結(jié)果為參考，計(jì)算AI診斷的靈敏度、特異度、符合度、陽性預(yù)測值（positivepredictivevalue，PPV）及陰性預(yù)測值（negativepredictivevalue，NPV）?？傮w比較以雙側(cè)Plt;0.05為差異有統(tǒng)計(jì)學(xué)意義，兩兩比較采用Bonferroni法進(jìn)行校正。

2結(jié)果

2.1內(nèi)分泌診區(qū)免散瞳眼底檢查室為T2DM患者進(jìn)行DR篩查

2018年10月至2024年12月，MMC為14305例患者進(jìn)行了免散瞳眼底照相檢查，年齡（57.1±11.8）歲，其中男性8061例（56.4%），女性6244例（43.6%），共成功拍眼底照片28245張（左側(cè)14100張，右側(cè)14145張），發(fā)現(xiàn)DR患者3056例，占比21.4%，其中輕度NPDR1912例（13.4%），中度NPDR915例（6.4%），重度NPDR112例（0.8%），PDR117例（0.8%），中度非增殖及以上DR患者均得到了及時(shí)的專業(yè)眼科救治。每年度眼底篩查患者及不同程度DR結(jié)果見表1。

其中，13341例患者查眼底過程時(shí)有糖尿病病程記錄，中位病程0.1年（1d～40年），不同糖尿病病程患者構(gòu)成比與DR篩查陽性情況見表2。

2.2免散瞳眼底檢查時(shí)雙側(cè)眼底均篩查失敗的原因分析

2023年9月至2024年12月期間累計(jì)為3085例患者進(jìn)行了眼底篩查，其中2970例（96.3%）患者成功獲得一側(cè)或者雙側(cè)眼底照片，115例（3.7%）患者篩查失敗。篩查失敗原因統(tǒng)計(jì)分析主要為瞳孔小81例（70.4%）、白內(nèi)障等導(dǎo)致介質(zhì)不清28例（24.3%），視力極差或無光感3例（2.6%）及因腦梗死等原因無法配合3例（2.6%）。各年齡段篩查失敗分布見表3。

2.3AI對免散瞳眼底檢查結(jié)果的判斷與眼科醫(yī)師結(jié)論的一致性評價(jià)

以眼科專業(yè)醫(yī)師報(bào)告為參考，對5082例患者共10156張眼底照片進(jìn)行AI評估，兩者一致性評價(jià)顯示，加權(quán)Kappa值為0.817（0.797～0.838），Plt;0.001，見表4。以不同程度DR為切點(diǎn)，評估AI診斷DR的靈敏度、特異度、符合率、PPV及NPV，見表5。

2.45082例免散瞳眼底檢查患者發(fā)現(xiàn)其他眼底病變情況

針對免散瞳所獲取的眼底照片，AI通過初步提醒后經(jīng)過眼科專家確認(rèn)并及時(shí)發(fā)現(xiàn)了其他眼底病變。1660例（32.7%）患者存在視網(wǎng)膜眼底動(dòng)脈硬化；2520例（49.6%）患者存在高血壓視網(wǎng)膜病變；469例（9.2%）患者存在白內(nèi)障；337例（6.6%）患者存在黃斑病變。14例患者存在眼底出血，12例存在青光眼病變，2例患者存在視網(wǎng)膜脫離等，研究團(tuán)隊(duì)為病情急危重患者提供了及時(shí)專業(yè)的治療及指導(dǎo)建議。

3討論

本研究驗(yàn)證了免散瞳眼底檢查技術(shù)在內(nèi)分泌診區(qū)DR篩查中的高效性與可行性。研究通過對14305例T2DM患者進(jìn)行DR篩查，陽性檢出率達(dá)到21.4%，其中中度及以上DR患者均獲得及時(shí)轉(zhuǎn)診，這與既往研究提出的免散瞳技術(shù)可提升基層篩查效率的結(jié)論一致［9，18］。值得注意的是，65.8%的篩查患者糖尿病病程短于1年，表明該技術(shù)有助于推動(dòng)DR的早期發(fā)現(xiàn)，彌補(bǔ)了傳統(tǒng)篩查模式中對初診患者覆蓋不足的缺陷。此外，篩查失敗率僅3.7%，且主要與瞳孔?。?0.4%）及白內(nèi)障等導(dǎo)致介質(zhì)不清（24.3%）等客觀因素相關(guān)，提示該技術(shù)對年輕或配合度較高患者的適用性更優(yōu)，早發(fā)T2DM患者因DR進(jìn)展風(fēng)險(xiǎn)較高［19］，更需通過此類高效手段實(shí)現(xiàn)定期監(jiān)測與早期干預(yù)［20］。

AI輔助診斷與眼科醫(yī)師評估的一致性為DR分級管理提供了可靠工具。本研究顯示AI與醫(yī)師診斷的加權(quán)Kappa值達(dá)0.817，對中度以上DR的靈敏度（97.3%）和特異度（95.9%）均優(yōu)于多數(shù)同類研究［7，21］，證實(shí)其在高?；颊叻謱又械臏?zhǔn)確性。這一結(jié)果支持將AI作為初級醫(yī)療中DR轉(zhuǎn)診的“篩選器”，尤其適用于資源有限的地區(qū)，可減少漏診并優(yōu)化眼科專科資源的分配［8，22］。此外，AI對其他眼底病變（如黃斑病變、青光眼等）的識別潛力［23］，進(jìn)一步拓展了其在多病聯(lián)合篩查中的應(yīng)用場景，為眼底疾病的全面篩查和早期發(fā)現(xiàn)提供了新的可能。這一發(fā)現(xiàn)不僅拓寬了AI在眼科領(lǐng)域的應(yīng)用范圍，也為未來構(gòu)建更加智能化、高效化的眼科醫(yī)療服務(wù)體系奠定了堅(jiān)實(shí)基礎(chǔ)。但需注意其診斷仍依賴圖像質(zhì)量，且對極低視力或復(fù)雜病例的敏感性仍需通過算法迭代提升［24］。

本研究揭示了糖尿病病程與DR篩查陽性率的潛在關(guān)聯(lián)。盡管數(shù)據(jù)顯示病程gt;10年患者的DR風(fēng)險(xiǎn)顯著升高，但納入患者的中位病程僅0.1年，提示本研究篩查人群以新診斷糖尿病患者為主。這一偏倚可能低估長病程DR的真實(shí)患病率，但也凸顯了內(nèi)分泌科開展早期篩查的臨床意義——通過“診間篩查”模式縮短從確診到眼底評估的時(shí)間窗，從而改善預(yù)后。本研究在技術(shù)整合與臨床應(yīng)用層面展現(xiàn)出多重創(chuàng)新價(jià)值。首先，通過構(gòu)建“診間篩查”模式實(shí)現(xiàn)了糖尿病診療與眼底評估的無縫銜接［25］。其次，AI系統(tǒng)展現(xiàn)出的高效診斷能力值得關(guān)注——其對中度、重度NPDR和PDR的PPV分別達(dá)到62.9%、61.9%及43.2%，NPV為99.8%、100.0%及100.0%，在DR篩查中的核心價(jià)值是高效排除陰性病例，但對陽性結(jié)果（尤其嚴(yán)重病變）需謹(jǐn)慎解讀，這種高效的“風(fēng)險(xiǎn)分層”能力有利于DR的分層管理及隨訪［26］。

本研究具有一定的局限性：作為單中心研究，樣本代表性可能受地域及人群特征影響；AI診斷依賴免散瞳圖像質(zhì)量，而瞳孔條件、拍攝技術(shù)等因素可能會影響圖片質(zhì)量。但需要強(qiáng)調(diào)的是，這些局限性并不影響本研究核心結(jié)論的可靠性：大規(guī)模樣本量有效降低了隨機(jī)誤差，嚴(yán)格的質(zhì)控流程保障了數(shù)據(jù)準(zhǔn)確性。

綜上所述，免散瞳眼底檢查與AI技術(shù)的結(jié)合為眼底篩查帶來了革命性的變革。眼科作為醫(yī)學(xué)領(lǐng)域中的AI應(yīng)用前沿專業(yè)之一，運(yùn)用機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于診斷、干預(yù)和預(yù)測眼科疾病方面取得了顯著的成果。這種診療模式不僅提高了篩查的效率和準(zhǔn)確性，為眼科疾病的早期發(fā)現(xiàn)和治療提供了有力支持，為AI輔助DR篩查建立了統(tǒng)一標(biāo)準(zhǔn)，推動(dòng)AI診斷系統(tǒng)在眼底臨床實(shí)踐中的應(yīng)用。該模式尤其適用于糖尿病初診患者集中、眼科資源相對匱乏的醫(yī)療機(jī)構(gòu)。

利益沖突聲明：本研究未受到企業(yè)、公司等第三方資助，不存在潛在利益沖突。

參考文獻(xiàn)

［1］LUNDEENEA，BURKE-CONTEZ，REINDB，etal.PrevalenceofdiabeticretinopathyintheUSin2021［J］.JAMAOphthalmol，2023，141（8）：747-754.DOI：10.1001/jamaophthalmol.2023.2289.

［2］CRASTOW，PATELV，DAVIESMJ，etal.Preventionofmicrovascularcomplicationsofdiabetes［J］.EndocrinolMetabClinNorthAm，2021，50（3）：431-455.DOI：10.1016/j.ecl.2021.05.005.

［3］TANTE，WONGTY.Diabeticretinopathy：lookingforwardto2030［J］.FrontEndocrinol（Lausanne），2023，13：1077669.DOI：10.3389/fendo.2022.1077669.

［4］張世豪，梁豐.人工智能在眩暈相關(guān)疾病診療中的應(yīng)用［J］.新醫(yī)學(xué)，2024，55（3）：165-169.DOI：10.3969/j.issn.0253-9802.2024.03.003.

ZHANGSH，LIANGF.Applicationofartificialintelligenceindiagnosisandtreatmentofvertigo-relateddiseases［J］.JNewMed，2024，55（3）：165-169.DOI：10.3969/j.issn.0253-9802.2024.03.003.

［5］許溪，康寧，羅敏婷，等.人工智能在兒童耳鼻咽喉頭頸外科中應(yīng)用的系統(tǒng)綜述［J］.新醫(yī)學(xué)，2024，55（7）：497-505.DOI：10.3969/j.issn.0253-9802.2024.07.002.

XUX，KANGN，LUOMT，etal.Applicationofartificialintelligenceinpediatricotolaryngology-headandnecksurgery：asystematicreview［J］.JNewMed，2024，55（7）：497-505.DOI：10.3969/j.issn.0253-9802.2024.07.002.

［6］祁冬，姚傳順，胡淑敏，等.人工智能在冠狀動(dòng)脈CT血管成像圖像后處理和冠狀動(dòng)脈狹窄診斷中的應(yīng)用［J］.江蘇大學(xué)學(xué)報(bào)（醫(yī)學(xué)版），2023，33（4）：323-327，332.DOI：10.13312/j.issn.1671-7783.y220147.

QID，YAOCS，HUSM，etal.Thevalueofartificialintelligenceinpost-processingcoronaryCTAimagesanddiagnosingcoronaryarterystenosis［J］.JJiangsuUniv（MedEd），2023，33（4）：323-327，332.DOI：10.13312/j.issn.1671-7783.y220147.

［7］GRZYBOWSKIA，BRONAP，LIMG，etal.Artificialintelligencefordiabeticretinopathyscreening：areview［J］.Eye，2020，34（3）：451-460.DOI：10.1038/s41433-019-0566-0.

［8］FARAHATZ，ZRIRAN，SOUISSIN，etal.Diabeticretinopathyscreeningthroughartificialintelligencealgorithms：asystematicreview［J］.SurvOphthalmol，2024，69（5）：707-721.DOI：10.1016/j.survophthal.2024.05.008.

［9］ZHOUW，YUANXJ，LIJ，etal.Applicationofnon-mydriaticfundusphotography-assistedtelemedicineindiabeticretinopathyscreening［J］.WorldJDiabetes，2024，15（2）：251-259.DOI：10.4239/wjd.v15.i2.251.

［10］中華醫(yī)學(xué)會糖尿病學(xué)分會.中國2型糖尿病防治指南（2020年版）［J］.中華糖尿病雜志，2021，13（4）：315-409.DOI：10.3760/cma.j.cn115791-20210221-00095.

ChineseDiabetesSociety.Guidelinesforthepreventionandtreatmentoftype2diabetesmellitusinChina（2020edition）［J］.ChinJDiabetes，2021，13（4）：315-409.DOI：10.3760/cma.j.cn115791-20210221-00095.

［11］中華醫(yī)學(xué)會眼科學(xué)分會眼底病學(xué)組，中國醫(yī)師協(xié)會眼科醫(yī)師分會眼底病學(xué)組.我國糖尿病視網(wǎng)膜病變臨床診療指南（2022年）［J］.中華眼底病雜志，2023，39（2）：99-124.DOI：10.3760/cma.j.cn511434-20230110-00018.

OcularFundusDiseasesGroupofChineseOphthalmologySocietyofChineseMedicalAssociation，OcularFundusDiseasesGroupofChineseOphthalmologistAssociationofChineseMedicalDoctorAssociation.ClinicalguidelinesfordiagnosisandtreatmentofdiabeticretinopathyinChina（2022）［J］.ChinJOculFundusDis，2023，39（2）：99-124.DOI：10.3760/cma.j.cn511434-20230110-00018.

［12］WONGTY，SUNJ，KAWASAKIR，etal.Guidelinesondiabeticeyecare：theinternationalcouncilofophthalmologyrecommendationsforscreening，follow-up，referral，andtreatmentbasedonresourcesettings［J］.Ophthalmology，2018，125（10）：1608-1622.DOI：10.1016/j.ophtha.2018.04.007.

［13］楊衛(wèi)華，邵毅，許言午，等.眼科人工智能臨床研究評價(jià)指南（2023）［J］.國際眼科雜志，2023，23（7）：1064-1071.DOI：10.3980/j.issn.1672-5123.2023.7.03.

YANGWH，SHAOY，XUYW，etal.Clinicalresearchevaluationguidelinesforartificialintelligenceinophthalmology（2023）［J］.IntJOphthalmol，2023，23（7）：1064-1071.DOI：10.3980/j.issn.1672-5123.2023.7.03.

［14］中國醫(yī)藥教育協(xié)會智能醫(yī)學(xué)專委會智能眼科學(xué)組，國家重點(diǎn)研發(fā)計(jì)劃”眼科多模態(tài)成像及人工智能診療系統(tǒng)的研發(fā)和應(yīng)用”項(xiàng)目組.基于眼底照相的糖尿病視網(wǎng)膜病變?nèi)斯ぶ悄芎Y查系統(tǒng)應(yīng)用指南［J］.中華實(shí)驗(yàn)眼科雜志，2019，37（8）：593-598.DOI：10.3760/cma.j.issn.2095-0160.2019.08.001.

IntelligentOphthalmologyGroupofIntelligentMedicineProfessionalCommitteeofChineseMedicalEducationAssociation，ProjectTeamofNationalKeyResearchandDevelopmentProgram“ResearchandDevelopmentofOphthalmicMultimodalImagingandAIDiagnosisandTreatmentSystem”.Guidelinesfortheapplicationoffundusphotography-basedartificialintelligencescreeningsystemfordiabeticretinopathy［J］.ChinJExpOphthalmol，2019，37（8）：593-598.DOI：10.3760/cma.j.issn.2095-0160.2019.08.001.

［15］中國研究型醫(yī)院學(xué)會糖尿病學(xué)專業(yè)委員會.社區(qū)醫(yī)療機(jī)構(gòu)糖尿病視網(wǎng)膜病變篩查工作流程與管理規(guī)范的專家共識（2023版）［J］.中華糖尿病雜志，2024，16（1）：20-27.DOI：10.3760/cma.j.cn115791-20231010-00229.

DiabetesProfessionalCommitteeofChineseResearchHospitalAssociation.Expertconsensusonworkflowandmanagementstandardsfordiabeticretinopathyscreeningincommunitymedicalinstitutions（2023edition）［J］.ChinJDiabetes.2024，16（1）：20-27.DOI：10.3760/cma.j.cn115791-20231010-00229.

［16］WILKINSONCP，F(xiàn)ERRISFL，KLEINRE，etal.Proposedinternationalclinicaldiabeticretinopathyanddiabeticmacularedemadiseaseseverityscales［J］.Ophthalmology，2003，110（9）：1677-1682.DOI：10.1016/S0161-6420（03）00475-5.

［17］LIN，MAM，LAIM，etal.Astratifiedanalysisofadeeplearningalgorithminthediagnosisofdiabeticretinopathyinareal-worldstudy［J］.JDiabetes，2022，14（2）：111-120.DOI：10.1111/1753-0407.13241.

［18］YUD，DOUX，CHENJ，etal.Two-fieldnon-mydriaticfundusphotographyfordiabeticretinopathyscreening：aprotocolforasystematicreviewandmeta-analysis［J］.BMJOpen，2021，11（10）：e051761.DOI：10.1136/bmjopen-2021-051761.

［19］LVX，RANX，CHENX，etal.Early-onsettype2diabetes：ahigh-riskfactorforproliferativediabeticretinopathy（PDR）inpatientswithmicroalbuminuria［J］.Medicine，2020，99（19）：e20189.DOI：10.1097/MD.0000000000020189.

［20］AMOAKUWM，GHANCHIF，BAILEYC，etal.Diabeticretinopathyanddiabeticmacularoedemapathwaysandmanagement：UKConsensusWorkingGroup［J］.Eye，2020，34（Suppl1）：1-51.DOI：10.1038/s41433-020-0961-6.

［21］HUANGX，WANGH，SHEC，etal.Artificialintelligencepromotesthediagnosisandscreeningofdiabeticretinopathy［J］.FrontEndocrinol，2022，13：946915.DOI：10.3389/fendo.2022.946915.

［22］PAWARB，LOBOSN，JOSEPHM，etal.Validationofartificialintelligencealgorithminthedetectionandstagingofdiabeticretinopathythroughfundusphotography：anautomatedtoolfordetectionandgradingofdiabeticretinopathy［J］.MiddleEastAfrJOphthalmol，2021，28（2）：81-86.DOI：10.4103/meajo.meajo_406_20.

［23］GOHJHL，LIMZW，F(xiàn)ANGX，etal.Artificialintelligenceforcataractdetectionandmanagement［J］.AsiaPacJOphthalmol，2020，9（2）：88-95.DOI：10.1097/01.APO.0000656988.16221.04.

［24］RAJESHAE，DAVIDSONOQ，LEECS，etal.Artificialintelligenceanddiabeticretinopathy：AIframework，prospectivestudies，head-to-headvalidation，andcost-effectiveness［J］.DiabetesCare，2023，46（10）：1728-1739.DOI：10.2337/dci23-0032.

［25］LUPIDIM，DANIELIL，F(xiàn)RUTTINID，etal.Artificialintelligenceindiabeticretinopathyscreening：clinicalassessmentusinghandheldfunduscamerainareal-lifesetting［J］.ActaDiabetol，2023，60（8）：1083-1088.DOI：10.1007/s00592-023-02104-0.

［26］BILALA，IMRANA，BAIGTI，etal.ImprovedsupportvectormachinebasedonCNN-SVDforvision-threateningdiabeticretinopathydetectionandclassification［J］.PLoSOne，2024，19（1）：e0295951.DOI：10.1371/journal.pone.0295951.

（責(zé)任編輯：鄭巧蘭）