糖尿病视网膜病变是糖尿病患者常见且严重的眼部并发症，若未及时诊断和治疗，可能导致不可逆的视力损伤甚至失明。随着糖尿病患者数量的持续增加，如何实现高效、大规模的视网膜病变筛查成为全球医疗系统亟需解决的难题。近年来，人工智能（Artificial Intelligence，AI）的发展为糖尿病视网膜病变筛查带来了革命性的改变，特别是在无散瞳数字视网膜成像（non-mydriatic digital retinography）技术结合下，其应用潜力备受瞩目。 无散瞳数字视网膜成像是一种无需使用扩瞳药剂即可拍摄视网膜图像的技术，避免了传统散瞳检查的不适感和对患者生活的影响。该技术依赖专用的视网膜摄像设备获取眼底图像，方便快捷且患者接受度高。然而，这些图像的人工评估需要眼科专家，有时因资源限制难以满足大规模筛查的需求。
此时，人工智能技术特别是深度学习算法的介入，为视网膜图像的自动分析提供了可能。 人工智能在无散瞳数字视网膜成像中的应用主要体现在图像识别与诊断自动化。通过训练大量标注过的视网膜图像，AI系统能够识别糖尿病视网膜病变的多种表现，包括微动脉瘤、出血点、渗出物等病理特征，进而评估病变的严重程度并提供诊断建议。该方法不仅提高了筛查效率，还在一定程度上减轻了专家工作负担。 近年来多项系统评价和研究综述显示，基于AI的无散瞳视网膜影像筛查在诊断糖尿病视网膜病变方面展现出较高的敏感度和特异性。例如，针对需要转诊治疗的视网膜病变，敏感度可达68%至100%，特异性从20%到100%不等，受不同模型和设备的影响明显。
此外，整个评估过程中的曲线下面积（AUROC）也保持在较高水平，显示AI诊断的准确性具有临床应用前景。 尽管AI在糖尿病视网膜病变筛查中表现突出，但其在实际系统中的应用仍面临多重挑战。首先，现有系统评价的质量参差不齐，部分研究设计存在偏差，造成结果的异质性较大。其次，不同非散瞳摄像设备采集的图像质量和视角角度存在差异，影响了AI模型的泛化能力和准确率。此外，AI系统的临床安全性和效果验证尚需更多高质量、长期的实地研究数据支持。 为了保证AI筛查工具的可信度和安全性，政策制定者和医疗机构需要结合具体的医疗环境和资源状况，合理选择和评估AI产品。
制定统一的技术标准、建立规范的监管机制以及促进跨机构的数据共享和合作，是未来推动AI无散瞳视网膜成像筛查技术广泛应用的关键环节。 未来研究方向应聚焦于提升AI模型的稳健性和适应性，减少不同设备和人群间性能的波动。同时，增强多模态数据融合，结合患者的临床信息和其他影像资料，促进精准筛查和个性化诊疗。利用云计算和边缘计算架构，推动AI筛查工具的普及和实时应用，进一步提高基层医疗机构的服务能力。 总结来看，人工智能技术在无散瞳数字视网膜成像糖尿病视网膜病变筛查中的应用，正逐步改变传统诊疗模式。其高效、便捷且具有潜力降低医疗成本的优势，促使其成为糖尿病视网膜病变预防和管理的重要助力。
随着技术的不断完善和法规的逐步完善，AI辅助的无散瞳数字视网膜成像筛查有望在未来为更多患者提供早期发现和干预的机会，从而有效遏制糖尿病视网膜病变的进展，改善患者的生活质量。
