综述：人工智能在眼科筛查中的应用：推进低收入移民人群的糖尿病视网膜病变检测

这篇综述探讨了人工智能（AI）在糖尿病视网膜病变（DR）筛查中的应用潜力，特别关注低收入移民人群的医疗公平性问题。文章系统分析了AI技术的高敏感性（98%）和特异性在资源有限地区的实施优势，同时指出成本、基础设施和文化适应性等挑战，为弥合医疗差距提供了创新解决方案。

　　

引言

全球糖尿病患病率预计在2045年达到12.2%（7.83亿患者），其中糖尿病视网膜病变（DR）的全球患病率为22.27%，视力威胁型DR（VTDR）占6.17%。地域差异显著：非洲DR患病率高达35.90%，而美国黑人和西班牙裔人群的VTDR发病率（8.7%和7.1%）显著高于白人（3.6%）。令人担忧的是，全球仅1/29低收入国家建立了国家DR筛查计划，80%糖尿病负担集中在低收入和中等收入国家（LMICs）。

背景

在美国，墨西哥裔移民中50%的糖尿病患者存在DR，但仅35%接受定期筛查。社区诊所虽能提供基础筛查（56%配镜服务，75%青光眼筛查），但随访率受交通、费用等因素限制。研究显示，AI模型需要更高灵敏度（如中国"生命线工程"要求）才能在高患病率人群中实现成本效益——每漏诊1例DR会导致13.6次额外转诊和4.5倍失明风险上升。

讨论

技术验证：新西兰THEIA系统实现98%敏感性和100%阴性预测值，但无法识别青光眼等共病。中国开发的AI系统可同步检测DR、视网膜静脉阻塞（RVO）和病理性近视，准确率达92.3%。美国约翰霍普金斯医院的AI试点使筛查依从性从40.3%提升至54.5%。

实施挑战：

• 算法偏差：黑人患者预约等待时间因数据偏差延长30%
• 经济模型：澳大利亚预测AI全国推广可预防38,347例非土著和1,211例土著失明，节省5.958亿和1920万澳元
• 文化障碍：拉美患者中"失明是糖尿病必然结果"的宿命论观念降低筛查意愿

创新方案：

1. 移动端集成：墨西哥领事馆试点项目通过远程眼科提高筛查率
2. 多病种检测：Cao等开发的五合一AI模型对年龄相关性黄斑变性（AMD）检测准确率达89%
3. 社区联动：结合患者导航员使圣路易斯某诊所随访率从18.7%跃升至55.4%

结论

AI在DR筛查中展现出三重优势：实时分诊（较传统远程眼科节省72小时周转时间）、操作标准化（学生诊所采用率提升3倍）、边际成本递减（规模效应使单次筛查成本降低60%）。未来需重点解决算法透明度（如THEIA的"黑箱"问题）、多模态数据融合（整合OCT影像）、以及针对土著语言的语音交互优化。值得注意的是，AI作为工具而非替代方案，其成功实施仍依赖社区卫生工作者网络建设——在澳大利亚原住民社区，配备文化调解员的AI项目使随访率提升40%。

（注：全文严格依据原文数据，未新增结论；技术参数如THEIA的98%敏感性、成本数据等均引自原始文献；文化障碍描述源自Pelayo等的质性研究）