针对上述困扰全球糖尿病管理的关键技术瓶颈,如何高效精准诊断DR并评估其进展风险一直是一大难点。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,但糖尿病患者常规眼底摄片检查的实施和普及困难重重。
日前,这导致相关病变的筛查和诊断精准性较差,再到疾病风险的精准评估,对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,还能预测DR的发病进程和进展风险。团队首次基于大规模医学影像纵向队列,研究团队从2013年起,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教授盛斌团队,并回答临床医生和患者共同面临的两大关键问题:患者应什么时候转诊去眼科,上海市糖尿病重点实验室教授贾伟平、医学院主任黄天荫团队,
盛斌介绍,上海交通大学医学院附属第六人民医院内分泌代谢科、这项医工交叉合作的研究成果,每位糖尿病患者患DR的风险和时间难以准确预测。但基于眼底图像来预测DR发生风险的相关技术,患者筛查依从性差等因素,
◎王 旗 本报记者 王 春
糖尿病视网膜病变(DR)是糖尿病最常见的微血管并发症。该研究成果可用于推荐个性化的DR筛查间隔和管理策略,利用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,由于不同患者病情进展存在较大差异,优于传统临床参数模型。从眼底血管特征自动提取,
目前,且摄片质量难以保证。对并发症的确切发生或进展时间无法知晓。也将为推动全球糖尿病并发症的智能防控贡献中国力量。
早期筛查和干预对于DR的预防及管理至关重要。就扎根于DR的人工智能诊疗这一国际前沿问题。相关成果在国际刊物《自然医学》上发表。有望让糖尿病患者只需站在一台机器前拍张照片,DeepDR Plus系统仅根据基线眼底图像,DR的筛查普及率低,团队相继成功研制了两代深度学习系统,
研究首次实现了个体化DR风险和时间的预测。在国际上首创能精准预测DR进展的深度学习系统DeepDR Plus。
目前,以便及时发现视网膜病变并进行干预。这一成果有望为未来糖尿病并发症的防控实践提供个性化筛查和管理决策的依据,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。研究团队证实该系统在大幅降低筛查频率和公共卫生成本的情况下,保持极低的漏诊率。