随着糖尿病患者数量的持续增长，糖尿病视网膜病变（DR）作为其严重并发症之一，对患者视力和生活质量构成巨大威胁。早期筛查和诊断对于防止病情进展至失明尤为关键。传统的糖尿病视网膜病变筛查依赖于专业眼科医生通过散瞳后进行眼底检查，虽然准确性较高，但存在操作复杂、患者依从性差以及筛查能力有限等不足。近年来，非散瞳数码眼底照相（NMDR）技术因其便捷、高效以及无须诱导瞳孔散大的优势，成为广泛应用于DR筛查的重要设备。然而，图像的解读仍需专业经验，造成筛查效率和普及率受限。在这一背景下，人工智能（AI）技术，尤其是基于深度学习的算法，开始在非散瞳数码眼底照相图像分析中展现巨大潜力，极大提升了DR筛查的自动化水平和精准度。
人工智能在非散瞳数码眼底照相中的应用主要集中于自动识别糖尿病视网膜病变的相关病变特征，如微动脉瘤、出血点、渗出物及病变程度分级等。利用庞大的标注数据训练，AI系统能够快速、稳定地分析眼底图像，实现对“需转诊”及“非需转诊”患者的高效分类。最新综述研究显示，AI辅助的DR检测在敏感度方面表现优异，某些系统的检测敏感度可高达100%，准确地捕捉到早期微小病变，确保不漏诊。同时，特异性虽存在一定波动，但随着模型优化及多中心数据验证，其表现已趋于成熟，可有效减少误报，降低不必要的医疗资源浪费。 非散瞳摄像设备提供的眼底图像视野通常在45度及以上，技术革新使得图像质量不断提升，满足AI模型识别的基础要求。更重要的是，非散瞳技术提升了患者的接受度和筛查的便捷性，尤其适用于基层医疗机构和社区筛查，缩短排查时间，减轻医疗系统负担。
AI系统的引入，使得筛查不仅在眼科专科，还能在内分泌科、全科诊所乃至远程医疗环境中实现自动化，实现真正意义上的普及筛查。 除了诊断性能，非散瞳数码眼底照相结合AI技术的安全性和临床有效性备受关注。现阶段综述研究中尚缺乏高质量的安全性数据报告，但现有临床实践及部分验证研究表明，由AI驱动的筛查系统安全可靠，能够作为传统人工筛查的重要补充。尤其是在资源相对匮乏或眼科专家缺乏的地区，AI自动筛查系统有效弥补了人力不足带来的空白，推动了糖尿病视网膜病变筛查的公平性和可及性。 然而，目前该领域仍面临诸多挑战。首先，AI模型在不同类型的非散瞳相机和多样化人群中的泛化能力存在差异，需要更多代表性数据进行系统训练和多地验证。
其次，部分现有系统的特异性差异较大，可能导致误诊率上升，需要持续优化算法以提高准确率和稳定性。此外，现有系统的技术标准、应用规范及监管政策尚未完全成熟，影响其大规模临床推广。 鉴于非散瞳数码眼底照相结合人工智能技术快速发展，政策制定者和临床实践者必须审慎评估其适用性，结合具体临床环境与人群特征选择合适的筛查方案。未来研究应聚焦于高质量的临床验证试验，建立统一的评价标准，同时推动算法透明度和可解释性，以增强医疗人员和患者对AI筛查技术的信任。 非散瞳数码眼底照相结合人工智能技术的广泛应用，将显著提升糖尿病视网膜病变的筛查效率与精准度，促进早期诊断和干预，助力防盲治盲战略实施。随着更多创新算法和硬件的问世，DR筛查的智能化水平将不断攀升，未来该技术有望成为全球糖尿病视网膜病变筛查的主流解决方案，造福更广泛的糖尿病患者群体。
。
