在過(guò)去20年里，全球DM的發(fā)病率增加了兩倍，2000年影響到1.51億人，2019年影響到4.63億人，預計到2045年將達到7億人。其中糖尿病視網(wǎng)膜病變（DR）是糖尿病（DM）的一個(gè)主要微血管并發(fā)癥，它是工作年齡段可預防失明的主要原因。

如果在早期發(fā)現并加以控制，就可以避免不可逆轉的失明。因此，美國眼科協(xié)會(huì )建議DM患者每年進(jìn)行一次散瞳視網(wǎng)膜眼底檢查，而美國糖尿病協(xié)會(huì )建議無(wú)視網(wǎng)膜病變的T2DM患者每2年進(jìn)行一次散瞳檢查。

按照DM發(fā)展的這個(gè)速度，提供常規篩查的眼科護理人員將不堪重負。基于人工智能（AI）的算法可能為減輕DR篩查的負擔提供了很好的解決方案。之前的研究已經(jīng)表明，當用于DR篩查項目時(shí)，AI算法能夠以高靈敏度檢測出可轉診的DR，并且與目前的黃金標準--人工分級相比具有成本效益。

然而，這些研究早于深度學(xué)習的時(shí)代，深度學(xué)習是一種機器學(xué)習技術(shù)，已經(jīng)徹底改變了視網(wǎng)膜圖像分析。目前，現有的深度學(xué)習算法在DR的各種分類(lèi)任務(wù)中表現出與人類(lèi)專(zhuān)家相似，甚至更好的性能。

隨著(zhù)強大的深度學(xué)習算法的顯著(zhù)進(jìn)步，多家公司已經(jīng)開(kāi)發(fā)了自動(dòng)DR篩查系統，并獲得了美國食品和藥物管理局（FDA）的關(guān)注，到目前為止，已經(jīng)有2個(gè)基于A(yíng)I的篩查算法被批準使用。隨著(zhù)FDA考慮批準更多的自動(dòng)機器學(xué)習算法，了解它們在真實(shí)世界、預期使用環(huán)境中的性能變得越來(lái)越重要。

為了評估真實(shí)世界的AI算法性能在視網(wǎng)膜成像中的應用，來(lái)自美國華盛頓大學(xué)醫學(xué)院的專(zhuān)家比較了七種基于人工智能的自動(dòng)DR篩查算法（包括一種FDA批準的算法）與人類(lèi)分級人員的表現，相關(guān)結果發(fā)表在《糖尿病護理》Diabetes Care雜志上。

這是一項多中心、非干預性設備驗證研究，評估了2006-2018年在退伍軍人事務(wù)局（VA）普吉特灣醫療保健系統（HCS）或亞特蘭大VAHCS進(jìn)行遠程視網(wǎng)膜DR篩查的23724名退伍軍人的共計311604張視網(wǎng)膜圖像。五家公司提供了七種算法，包括一種經(jīng)FDA批準的算法，獨立分析了所有的掃描，不考慮圖像質(zhì)量。將圖像分類(lèi)為可轉診的DR或不轉診時(shí)，每種算法的敏感性/特異性與原始的VA遠程視網(wǎng)膜等級和重新分級的仲裁數據集進(jìn)行比較。

盡管與人工評估相比，AI評估觀(guān)察到了更高的陰性預測值（82.72-93.69%），但敏感度差異很大（50.98-85.90%）。大多數算法對數據集的表現并不比人類(lèi)好，但有兩個(gè)算法取得了更高的敏感性，一個(gè)算法產(chǎn)生了類(lèi)似的敏感性（80.47%）和特異性（81.28%）。

由此可見(jiàn)，不同AI算法用于DR篩查仍存在明顯的性能差異。在臨床普及之前，需要對所有這些算法進(jìn)行嚴格的現實(shí)世界數據測試。

參考文獻：

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

39健康網(wǎng)(www.39.net)專(zhuān)稿，未經(jīng)書(shū)面授權請勿轉載。