研究背景:糖尿病视网膜病变（diabetic retinopathy,DR）是糖尿病的主要慢性并发症之一,也是导致成人失明的主要原因之一[1-3],越来越受到内分泌科和眼科医生的关注。研究表明,DR因国家、地区、种族而异,发展中国家较发达国家患病率低[4]。一项Meta分析纳入全球35项研究的22896例糖尿病患者[5],研究结果结果表明DR患病率为34.6%,其中增生型DR（proliferative diabeticretinopathy,PDR）为6.96%,糖尿病性黄斑水肿（diabetic macular edema,DME）为6.81%,威胁视力的DR为10.2%。根据相关的研究结果表明,我国大陆地区糖尿病人群DR患病率为23%（95%CI:17.8%～29.2%）,其中PDR（proliferative diabetic retinopathy,PDR）比例为2.8%（1.9%～4.2%）,非PDR比例为19.1%（13.6%～26.3%）,农村高于城市,北方高于南方和东部[6-7]。新加坡华人中糖尿病人群DR患病率为20.1%[8],在美国的华人当中糖尿病人群DR患病率为25.7%[9]。我国的台湾地区DR患病率甚至高达35%[10],糖尿病视网膜病变的高发病率给患者带来了巨大的痛苦和经济负担。根据我国第6次针对糖尿病患者的大型流行病学调查报告数据显示,我国大陆地区目前的糖尿病患者总人数大约为1.29亿。本次流行病学调查中糖尿病的诊断和控制以ADA和WHO标准为依据,即以Hb A1c为标准。中国的糖尿病流行趋势与世界其他国家相同。根据世卫组织标准诊断的糖尿病总患病率从2007年和2010年的9.7%上升,到2013年的10.4%,再到2017年本研究中的11.2%[11],患病率逐年提高。中国成人总糖尿病患病率为12.8%（12.0%～13.6%）、自报糖尿病患病率为6.0%（5.4%～6.7%）,采用ADA标准的新诊断糖尿病的总标准化的患病率为6.8%（6.1%～7.4%）,男性糖尿病总患病率高于女性。根据ADA的诊断标准,目前中国成年人糖尿病前期的患病率约为35.2%（33.5%～37.0%）。Ⅱ型糖尿病患者在诊断时可能已患有不同程度的糖尿病视网膜病变,并且糖尿病视网膜病变的严重程度与糖尿病患者的严重程度及病程长短有着直接的关系,可导致视功能严重的受损,因此对糖尿病视网膜眼底病变的筛查越早,越有利于控制病变的程度,但针对视网膜眼底病变的筛查面临着以下:（1）患者数量多,医生数量少目前我国的糖尿病患者数量大约为1.298亿,而糖尿病患病人群的DR病变率大约占23%,即约为3000万人发生糖尿病眼底视网膜病变,根据2020年6月,国家卫健委发布《中国眼健康白皮书》[12]调查数据显示,目前,全国有4.48万名眼科医生,较2003年的1.9万有了较为突出的增加;但是验光师还是极度匮乏,从2003年的1400多增加到6000多,差距还是很大的。每5万人只有1.6个眼科医生,这只是平均情况。在某些地区,5万人中可能连0.6个眼科医生都没有,这也就意味着当患者发生视网膜眼底病变的时候有很多不能及时的被诊断筛查出来,也无法得到及时有效的控制和治疗。（2）筛查方法不够便捷根据了解,糖尿病是一种以高血糖为主要特征的代谢性疾病,高血糖的原因是胰岛素分泌不足或其生物学功能受损,或两者兼有引起本身属于内分泌疾病,而伴随其发生的眼底视网膜病变,它是一种具有特异性改变的眼底病变,属于眼科疾病,因此在眼底病变发生时需要内分泌科医生和眼科医生共同协助诊断治疗。即便是全科医生,也不能完全具备病变精准筛查的能力,这对于人均医生并不高的我国来说,给医生增加了巨大的工作量,对于偏远地区的患者来说,根本无法实现病变的及时发现,当病变发展到后期时,患者视功能将会发生不可逆的损伤,视力下降甚至失明的可能,即便到后期能够筛查出来,也无法从根本上得到有效的治疗。因此在当前医患比例失调的情况下,如何寻找更快捷便利的糖尿病视网膜病变筛查方法显得尤为重要。由于糖尿病视网膜病变（DR）是DM致盲的首要原因,因此早期筛查DR具有重要的临床意义。DR病变的筛查主要通过眼底照相进行诊断,如何准确、快速的对眼底照片进行分析成为一项重要挑战。人工智能是一种通过研究和开发来模拟和扩展人类智能的新技术。近年来,随着互联网和计算机软硬件的发展,让人工智能在深度学习等发面有了巨大的提升,形成了智能机器人、语音识别、模式识别、图像识别、专家系统、自然语言处理等研究方向,使得人工智能也开始在工业、医疗、金融、安防等不同领域有了不同程度的应用,如人脸识别、手术机器人等,给人们的工作、生活带来了极大的便利。本文主要介绍人工智能在DR病变眼底照相图像分析上的应用。目的:通过对糖尿病患者眼底照相人工分析与人工智能分析对眼底照片分析结果的一致性,验证人工智能筛查的可靠性。探究人工智能分析的应用将会对以后眼底筛查的意义和价值。方法:本研究采取回顾性研究方法,将2018年5月到2019年5月郑州大学第一附属医院内分泌科连续收治的糖尿病患者1053例2106只眼纳入研究。其中,男性888例,女性165例;年龄20～70岁,平均年龄53岁。所有患者均采用日本Kowa无散瞳眼底照相机对糖尿病患者进行眼底检查。采用上工眼科云网筛查平台人工智能分析自动检测渗出、出血、微动脉瘤等糖尿病视网膜病变（DR）的特质性病变并进行标识,同时根据DR国际分期标准对图像检测结果进行自动分级。人工分析由内分泌专业两位主治医师进行分析,并由主任医师进行审核,以保证人工分析的准确性。两种分析方法分析结果存在差异时,以人工分析结果为标准。计算并对比两种分析方法的一致率。一致率=（诊断结果相同眼数/总收集有效眼数）×100%。对人工分析和人工智能分析结果进行Kappa一致性检验,0≤κ<0.2为一致性程度很差,0.2≤κ<0.4为一致性较差,0.4≤κ<0.6为中等一致性,0.6≤κ<1为一致性较好。结果:2106只眼中,排除因病情严重人工无法智能识别64只眼,最终纳入分析2042只眼。人工分析与人工智能分析结果完全一致者1835只眼,占89.86%;分析有差异者207只眼,占10.14%。两者差异主要表现为:（1）人工智能分析点状出血、渗出,而人工分析正常96只眼（96/2042,4.70%）;（2）人工智能分析出玻璃膜疣,而人工分析为点状渗出71只眼（71/2042,3.48%）;（3）人工智能分析正常或玻璃体变性,而人工分析点状渗出或出血或微动脉瘤40只眼（40/2042,1.95%）。人工分析、人工智能分析对DR的诊断率分别为23.2%、20.2%,对非DR的诊断率分别为76.8%、79.8%。Kappa一致性检验结果显示,人工分析和人工智能分析诊断结果呈中等一致性（κ=0.576,P<0.01）。结论:人工分析与人工智能分析对糖尿病患者眼底照相眼底病变判别呈中等一致性。人工智能判读符合度达87.7%,误诊率为12.2%。综上所述人工智能分析做为眼底病变的早期筛查手段是可以的,但需要进一步完善。对于重度的眼底病变,人工智能分析还依赖于人的判读。在未来随着技术的发展,人工智能必将发挥更大的作用。