上海交大与清华联手发布 DeepDR Plus，仅用眼底图像可预测 5 年内糖尿病视网膜病变进展
内容提要
上海交通大学和清华大学的研究团队开发了基于深度学习的糖尿病视网膜病变预警系统DeepDR Plus，可以通过眼底图像预测糖尿病视网膜病变进展并降低筛查频率和成本。该系统在中国和印度的真实临床案例中应用，并得到了国内外的验证。
延伸解读
从“诊断”到“预测”：DeepDR Plus 的范式转变
以往基于深度学习的糖尿病视网膜病变（DR）筛查系统多聚焦于从单张眼底图像中识别当前病变等级，而 DeepDR Plus 的核心突破在于利用时序影像序列预测未来 5 年的进展风险。这意味着 AI 不仅能回答“现在有没有病”，还能回答“未来会不会恶化”，从而为个性化筛查间隔和早期干预提供依据。这种前瞻性预测能力，是区别于传统诊断工具的关键。
眼底模型为何能超越元数据模型？
研究中，仅使用眼底图像的模型在预测 DR 进展时，一致性指数（C-index）达到 0.823，优于仅使用年龄、血糖等元数据模型的 0.696，与组合模型的 0.833 接近。这表明眼底图像中蕴含了超越常规临床指标的预后信息，可能反映了微血管损伤的早期细微变化。这一发现支持了在资源有限地区仅依靠眼底相机进行风险分层的可行性。
个性化筛查间隔的卫生经济学意义
DeepDR Plus 通过风险分层，可将平均筛查间隔从固定的 12 个月延长至 31.97 个月，同时保持极低的延迟检测率。对于医疗资源紧张的中低收入国家，这意味着在不大幅增加成本的前提下，能更合理地分配眼科检查资源，将有限的人力物力集中在高风险患者身上，从而提升整体筛查效率与公平性。
中国 AI 辅助 DR 诊断的积累与挑战
文章回顾了中国在 DR AI 诊断领域从 2013 年起步，到 2021 年 DeepDR 系统落地，再到如今 DeepDR Plus 发布的历程，显示中国在该细分领域已进入全球第一梯队。但同时也提到谷歌系统在泰国因图像质量等问题遭遇“水土不服”，提示 AI 系统的跨人群、跨场景泛化能力仍是临床落地必须面对的挑战，需要更多外部验证和本地化适配。
Q&A
DeepDR Plus是什么？它由哪些团队开发？
DeepDR Plus是一个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，由上海交通大学贾伟平教授和李华婷教授团队、盛斌教授团队，以及清华大学黄天荫教授团队联合构建。
DeepDR Plus如何预测糖尿病视网膜病变的进展？
DeepDR Plus仅基于眼底图像即可预测糖尿病视网膜病变在5年内的进展。它包含元数据模型、眼底模型和组合模型，其中眼底模型使用ResNet-50提取特征，组合模型结合眼底评分和元数据，预测性能最优。
DeepDR Plus的预测准确性如何？
在内部验证中，元数据模型、眼底模型、组合模型的一致性指数分别为0.696、0.823、0.833，组合模型性能最优。在8个外部数据集上，模型也表现出高一致性和强定标性。
DeepDR Plus能带来哪些临床或公共卫生效益？
DeepDR Plus可将平均筛查间隔从12个月延长至31.97个月，大幅降低筛查频率和公共卫生成本，同时保持极低的漏诊率，为全球中低收入国家的糖尿病管理提供新机遇。
DeepDR Plus使用了哪些数据进行训练和验证？
系统使用来自179,327名糖尿病患者的717,308张眼底图像进行预训练，并在内部数据集（19,100名患者的76,400张图像）和8个外部队列中进行验证，还在中国和印度的真实临床案例中进行了应用研究。
中国在糖尿病视网膜病变AI诊断领域处于什么地位？
中国在糖尿病视网膜病变AI诊断方面处于全球领先地位，与美国并驾齐驱。国内AI诊断系统发展迅速，已有多个辅助诊断软件获批上市，并在全国多地医院落地使用。
