在过去20年里，全球DM的发病率增加了两倍，2000年影响到1.51亿人，2019年影响到4.63亿人，预计到2045年将达到7亿人。其中糖尿病视网膜病变（DR）是糖尿病（DM）的一个主要微血管并发症，它是工作年龄段可预防失明的主要原因。

如果在早期发现并加以控制，就可以避免不可逆转的失明。因此，美国眼科协会建议DM患者每年进行一次散瞳视网膜眼底检查，而美国糖尿病协会建议无视网膜病变的T2DM患者每2年进行一次散瞳检查。

按照DM发展的这个速度，提供常规筛查的眼科护理人员将不堪重负。基于人工智能（AI）的算法可能为减轻DR筛查的负担提供了很好的解决方案。之前的研究已经表明，当用于DR筛查项目时，AI算法能够以高灵敏度检测出可转诊的DR，并且与目前的黄金标准--人工分级相比具有成本效益。

然而，这些研究早于深度学习的时代，深度学习是一种机器学习技术，已经彻底改变了视网膜图像分析。目前，现有的深度学习算法在DR的各种分类任务中表现出与人类专家相似，甚至更好的性能。

随着强大的深度学习算法的显著进步，多家公司已经开发了自动DR筛查系统，并获得了美国食品和药物管理局（FDA）的关注，到目前为止，已经有2个基于AI的筛查算法被批准使用。随着FDA考虑批准更多的自动机器学习算法，了解它们在真实世界、预期使用环境中的性能变得越来越重要。

为了评估真实世界的AI算法性能在视网膜成像中的应用，来自美国华盛顿大学医学院的专家比较了七种基于人工智能的自动DR筛查算法（包括一种FDA批准的算法）与人类分级人员的表现，相关结果发表在《糖尿病护理》Diabetes Care杂志上。

人工评估与人工智能算法的相对性能比较。

这是一项多中心、非干预性设备验证研究，评估了2006-2018年在退伍军人事务局（VA）普吉特湾医疗保健系统（HCS）或亚特兰大VAHCS进行远程视网膜DR筛查的23724名退伍军人的共计311604张视网膜图像。五家公司提供了七种算法，包括一种经FDA批准的算法，独立分析了所有的扫描，不考虑图像质量。将图像分类为可转诊的DR或不转诊时，每种算法的敏感性/特异性与原始的VA远程视网膜等级和重新分级的仲裁数据集进行比较。

符合敏感度阈值的AI算法的价值。

尽管与人工评估相比，AI评估观察到了更高的阴性预测值（82.72-93.69%），但敏感度差异很大（50.98-85.90%）。大多数算法对数据集的表现并不比人类好，但有两个算法取得了更高的敏感性，一个算法产生了类似的敏感性（80.47%）和特异性（81.28%）。

由此可见，不同AI算法用于DR筛查仍存在明显的性能差异。在临床普及之前，需要对所有这些算法进行严格的现实世界数据测试。

 

参考文献：

Multicenter, Head-to-Head, Real-World Validation Study of Seven Automated Artificial Intelligence Diabetic Retinopathy Screening Systems. Diabetes Care 2021 May; 44(5): 1168-1175. https://doi.org/10.2337/dc20-1877