据估计，到2040年将约有6亿人患糖尿病，而其中的三分之一预计患有糖尿病性视网膜病变（DR），这是全球成年人视力丧失的主要原因之一。

轻度非增殖性DR（NPDR）是DR的早期阶段，其特征在于存在微动脉瘤。增殖性DR（PDR）是DR的更高级别阶段，其可导致严重的视力丧失。因此，定期的进行视网膜筛查有助于更早的发现DR的发生并及时治疗。

通过血糖和血压控制进行早期干预可以减缓DR的发生发展，而通过激光光凝术或玻璃体腔内注射进行后期干预可以降低视力丧失风险。尽管所有专业机构都建议进行常规的DR筛查，但全面的DR筛查并未广泛进行且面临挑战。

为了促进DR筛查过程，研究人员开发了一个名为DeepDR的深度学习系统，其可以检测糖尿病视网膜病变的早期到晚期阶段。该深度学习系统对总共121,342位糖尿病患者的466,247张眼底图像进行训练，并进行实时图像质量评估、病变检测和疾病分级分析。

DeepDR深度学习系统的训练和验证流程图

该评估是在本地数据集上进行的，该数据集包含来自52,004名患者的200,136幅眼底图像以及三个外部数据集，共包括209,322张图像。结果显示，用于检测微动脉瘤、棉絮状斑、硬性渗出液和出血的受试者的ROC曲线下面积AUC值分别为0.901、0.941、0.954和0.967。

糖尿病视网膜病变的轻度、中度、重度和增殖性分级的AUC值分别为0.943、0.955、0.960和0.972。在外部验证中，各分级的AUC值为 0.916到0.970不等，这也进一步的支持该深度学习系统对糖尿病视网膜病变分级是有效的。

DeepDR系统的可视化图

总而言之，该研究结果揭示，该DeepDR深度学习系统在DR从早期到后期的全过程检测中都达到了高灵敏度和高准确度。

原始出处：

Dai, L., Wu, L., Li, H. et al. A deep learning system for detecting diabetic retinopathy across the disease spectrum. Nat Commun 12, 3242 (28 May 2021).