编辑推荐：
糖尿病视网膜病变（DR）筛查面临人力短缺与随访率低的挑战。研究人员开展 AI 与人类 graders 对 DR 随访预约率影响的系统评价及 Meta 分析，纳入 6 项研究（20,108 例患者），发现 AI 评估使随访率显著提升（OR=1.89），为 DR 筛查智能化提供循证依据。
糖尿病作为全球公共卫生难题，其并发症糖尿病视网膜病变（DR）正威胁着数亿人的视力。据统计，2021 年全球糖尿病患者超 5.29 亿，预计 2050 年将达 13 亿，而 DR 作为糖尿病最常见的微血管并发症之一，是导致工作年龄人群失明的主要原因。尽管早期筛查可使视力丧失风险降低 98%，但全球 DR 筛查依从率在高收入国家仅为 66.9%，在中低收入国家更是低至 39.3%，且确诊患者的随访转诊率远未达理想水平。传统依赖专业眼科医生的筛查模式，因人力短缺、报告延迟等问题，难以应对日益增长的筛查需求。在此背景下，人工智能（AI）技术的兴起为 DR 筛查带来新希望，其通过机器学习和深度学习分析眼底图像，展现出高准确性和可扩展性，但 AI 对患者随访预约率的影响尚未有系统性证据总结。
为填补这一研究空白，来自法国艾克斯 - 马赛大学、英国安格利亚鲁斯金大学、韩国庆熙大学等机构的研究人员开展了一项系统评价与 Meta 分析，相关成果发表在《Eye》杂志。
研究人员首先制定严谨的检索策略，在 PubMed、MEDLINE 等六大数据库中检索截至 2024 年 8 月 20 日的相关文献，遵循 PICOTS 标准筛选研究：纳入对象为接受 AI 或人类 graderDR 筛查的糖尿病患者，干预措施为 AI 初始评估，对照为人类评估，结局指标为随访预约率，研究类型包括队列研究和随机对照试验（RCT）。经筛选，最终纳入 6 项研究（含 5 项美国研究、1 项卢旺达研究），共涉及 20,108 例糖尿病患者（AI 组 6,476 例，人类组 13,632 例），患者年龄 5-67 岁，涵盖成人与青少年群体。
研究采用 Cochrane 协作网方法学，运用 Review Manager 5.4 软件进行随机效应 Meta 分析，以优势比（OR）和 95% 置信区间（CI）评估效应量，同时通过亚组分析探讨年龄、筛查类型（常规数字筛查与医院眼科随访）对结果的影响，并采用留一法进行敏感性分析验证结果稳健性。
研究结果
AI 评估显著提升整体随访预约率
Meta 分析显示，与人类 grader 相比，AI 初始评估 DR 使随访预约率显著提高（OR=1.89，95% CI 1.78-2.01，P<0.0001），表明 AI 筛查与更高的患者后续就诊意愿相关。
亚组分析揭示年龄差异与筛查类型影响
- 成人与青少年亚组：在成人（>18 岁）群体中，AI 组随访率显著高于人类组（OR=2.75，95% CI 1.53-4.93）；而在青少年（5-21 岁）亚组中，AI 的效应更为显著（OR=11.06，95% CI 8.16-14.98），提示 AI 对年轻患者的随访促进作用更强。
- 筛查类型亚组：针对常规数字筛查的 Meta 分析显示，AI 使依从率大幅提升（OR=13.99，95% CI 1.93-101.12）；在医院眼科随访方面，AI 组预约率亦显著高于人类组（OR=4.04，95% CI 1.87-8.71），表明 AI 在不同筛查场景中均具优势。
研究结论与讨论
本研究首次通过 Meta 分析证实，AI 驱动的 DR 筛查与更高的随访预约率显著相关，这一优势可能源于 AI 系统提供即时结果的特性，避免了传统人工评估的报告延迟，使患者能及时获知转诊需求。值得注意的是，青少年群体对 AI 的响应更为积极，这或与数字化技术在年轻人群中的高接受度有关。此外，AI 在常规筛查和专科随访中的双重有效性，提示其可整合至 DR 筛查全流程，提升服务效率。
从公共卫生角度看，AI 筛查系统可缓解眼科人力资源短缺问题，尤其在中低收入国家（如研究纳入的卢旺达），其对改善健康公平性具重要意义。尽管研究存在样本主要来自高收入国家、缺乏图像不可读率数据等局限性，但结合现有证据，AI 作为一种准确（敏感性 87%、特异性 91%）、高效的工具，有潜力成为 DR 筛查的核心策略。未来需进一步在多样化人群中验证 AI 效果，推动其与现有医疗体系融合，以实现 DR 防控的全球目标。
