糖尿病视网膜病变（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。但长期以来，糖尿病患者患DR的风险和时间难以准确预测。近日，上海交通大学与清华大学医工交叉团队发表的最新科研成果显示，由他们共同研发的深度学习系统，可精准预测糖尿病视网膜病变进展。

该研究由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/教育部人工智能重点实验室盛斌教授团队联合完成，相关成果发表在《自然医学》上。

该成果是这一医工交叉团队继2021年成功完成糖尿病视网膜病变辅助智能诊断系统“DeepDR”研发之后，进一步构建的基于时序影像序列深度学习的糖尿病视网膜并发症预警系统“DeepDR Plus”。该系统可基于眼底图像精准预测糖尿病视网膜病变进展，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。

DR初期症状隐匿，病情严重时可能导致永久视力损伤甚至失明。早期筛查和干预对于DR的预防和管理至关重要。国内和国际组织大多建议无或轻度DR的糖尿病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。然而，由于经济和医疗资源等因素的限制，尤其是在中、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。

本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，创造性地将糖尿病视网膜病变的进展和发生时间视为筛查区间内的随机变量，通过生存分析与时序分布概率建模，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。

据介绍，DeepDR Plus系统仅根据基线眼底图像，可准确预测未来5年DR进展的个体化风险和时间。专家介绍，人工智能驱动的个性化筛查间隔纳入糖尿病视网膜病变筛查系统，特别是在发展中国家，可以极大提高眼底摄片筛查的效率。该研究为糖尿病视网膜病变筛查、预防和诊疗指南提供了新的证据，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。