人工智能软件助力糖尿病视网膜病变筛查：非散瞳数码视网膜摄影技术的诊断潜力探索

为评估人工智能（AI）利用非散瞳（NM）≥45° 相机拍摄的数码视网膜图像筛查糖尿病视网膜病变（DR）的能力，研究人员开展相关研究。结果显示 AI 筛查 DR 有诊断潜力，但 AI 模型和所用相机存在差异。这为后续研究和应用提供方向。

　　摘要
目的：评估人工智能（AI）利用非散瞳（NM）≥45° 相机拍摄的数码视网膜图像筛查糖尿病视网膜病变（DR）的能力，重点关注诊断准确性、有效性和临床安全性。
方法：在截至 2023 年 5 月的 Medline、Embase、CINAHL 和 Web of Science 数据库中进行系统评价（SRs）综述。使用 AMSTAR - 2 工具评估每个系统评价的可靠性。报告荟萃分析估计值或诊断性能数据范围。
结果：在 1336 条记录中，筛选出 10 篇系统评价，大多质量为低或极低。10 篇系统评价中，至少 5 篇纳入了 8 项初步研究，少于 5 篇系统评价纳入了 125 项研究。没有系统评价报告疗效、有效性或安全性结果。可转诊糖尿病视网膜病变（DR）的敏感性和特异性分别为 68 - 100% 和 20 - 100%，受试者工作特征曲线下面积（AUROC）范围为 88 - 99%。检测任何阶段糖尿病视网膜病变（DR）的敏感性为 79 - 100%，特异性为 50 - 100%，受试者工作特征曲线下面积（AUROC）范围为 93 - 98%。
结论：人工智能在利用非散瞳（NM）相机筛查糖尿病视网膜病变（DR）方面显示出强大的诊断潜力，敏感性足够，但特异性存在差异。虽然人工智能越来越多地融入常规实践，但本综述强调了人工智能模型和所用相机存在显著异质性。此外，本研究揭示了现有系统评价质量较低，以及整合该领域快速增长的新证据面临重大挑战。政策制定者应在特定背景下仔细评估人工智能工具，未来研究必须提供更新的高质量证据，以优化其应用并改善患者预后。