上海六院等研发深度学习系统，可精准预测糖尿病视网膜病变进展

1月4日，上海交通大学医学院附属第六人民医院内分泌代谢科、上海市糖尿病重点实验室贾伟平教授和李华婷教授团队，清华大学副教务长、医学院主任黄天荫教授团队，上海交通大学电院计算机系和教育部人工智能重点实验室盛斌教授团队在国际权威刊物Nature Medicine（备注：《自然医学》）发表题为A deep learning system for predicting time to progression of diabetic retinopathy（备注：“用于预测糖尿病视网膜病变进展时间的深度学习系统”）的科研成果。

发布的论文。    上海市第六人民医院 供图

该系统可基于眼底图像精准预测糖尿病视网膜病变进展，为推动全球糖尿病并发症的智能防控贡献中国力量，有望为全球糖尿病视网膜病变的筛防新策略的制定提供指引。

糖尿病视网膜病变（以下简称DR），是糖尿病最常见的微血管并发症，也是全球可预防失明的主要原因。该病初期症状隐匿，病情严重时可能导致永久性视力损伤甚至失明。由于不同患者病情进展存在较大差异，每位糖尿病病人患DR的风险和时间难以准确预测。

目前，以深度学习为代表的人工智能技术已被用于DR筛查，然而基于眼底图像来预测DR发生风险仍是全球关注的重难点问题。

研究团队指出，在糖尿病等相关慢病诊疗和管理的临床实践流程中，糖尿病患者往往只会按照相对固定的时间间隔进行筛查或随访，并发症的确切发生或进展时间无法知晓，这也导致传统深度学习模型无法实现疾病进展时序轨迹的精准建模，进而无法预测个体的发病和进展时间点。

针对上述这一困扰全球糖尿病管理的关键技术瓶颈与临床需求，此项研究首次基于大规模医学影像纵向队列，涵盖多国多种族的超20万名糖尿病患者的眼底图像和临床数据，创新性地提出了深度学习框架，成功实现了对糖尿病视网膜病变进展的风险预警和时间预测。

目前，研究团队还通过将该系统应用于中国和印度的真实临床流程，证实该系统可在大幅降低筛查频率和公共卫生成本的情况下，仍保持极低的漏诊率，从而为将来的糖尿病并发症防控实践提供个性化筛查和管理决策的依据。

研究团队表示，早期筛查和干预对于DR的预防和管理至关重要，当前国内和国际组织大多建议患者每年进行常规眼底摄片检查，以便及时发现视网膜病变并进行干预，但在中、低收入国家，糖尿病患者常规眼底摄片检查的实施和普及困难重重。

而此次研发的深度学习系统，仅根据基线眼底图像，就可以准确预测未来5年DR进展的个体化风险和时间，优于传统临床参数模型。这一研究有望对未来糖尿病视网膜病变的临床诊疗流程和医疗费用等产生重要影响，在世界地图上为糖尿病智能防控贡献了中国技术和亚洲力量，为“一带一路”及全球中低收入国家和地区的糖尿病管理模式的提质增效与改革创新开辟了新道路。

上海交通大学医学院附属第六人民医院贾伟平教授、清华大学黄天荫教授、上海交通大学医学院附属第六人民医院李华婷教授、上海交通大学盛斌教授为本文共同通讯作者。上海交通大学医工交叉方向博士生戴领、华东疗养院陈婷丽主任、上海交通大学医学院附属第六人民医院吴强主任、上海交通大学刘茹涵博士等为本文共同第一作者。

该研究同时得到科技部国家重点研发计划、国家自然科学基金、上海市科委“一带一路”国际联合实验室建设项目、上海市内分泌代谢疾病研究中心及上海交通大学“交大之星”计划医工交叉研究基金等资助。