引用本文： 吴丰玉, 栗夏莲. 糖尿病患者眼底照相人工与人工智能分析结果比较. 中华眼底病杂志, 2021, 37(1): 27-31. doi: 10.3760/cma.j.cn511434-20200915-00452 复制
糖尿病视网膜病变（DR）是糖尿病患者致盲的首要原因，早期筛查DR具有重要的临床意义[1]。人工智能分析拥有大量数据资源，超越人类能力的精度、准确性和稳定性，同时节省人力资源等优点，在临床医学研究应用方面越来越广泛。如，人工智能助力新型冠状病毒肺炎胸部CT诊断，可有效提升工作效率，提高检出率，减少患者等待时间，优化诊断流程[2]；人工智能应用于尘肺病的诊断预防，具有快速准确读片的优点，可以起到早预防早治疗的作用[3]。由此可见，人工智能必将在未来医学中提供重要的辅助作用，甚至在某些方面替代医生的工作。本研究采用人工分析与人工智能分析对糖尿病患者眼底照相显示的眼底病变进行诊断与分期，进而验证两种方式的一致性，以期为临床糖尿病患者眼底病变分析提供更为快捷有效的手段以及在一定程度上弥补医师经验不足而误诊的缺陷。现将结果报道如下。
1 对象和方法
本研究为经过郑州大学第一附属医院伦理委员会审批（批准号：ZZUIRB2019-4552）的回顾性研究。所有患者均签署书面知情同意书。
2018年5月到2019年5月郑州大学第一附属医院内分泌科连续收治的糖尿病患者1053例2106只眼纳入本研究。其中，男性888例，女性165例；年龄20～70岁，平均年龄53岁。糖尿病病程3～15年。所有患者均符合1999年WHO发布的糖尿病诊断标准[4]：（1）有糖尿病典型症状及随机血浆葡萄糖浓度≥11.1 mmol/L；（2）空腹血浆葡萄糖浓度≥7.0 mmol/L；（3）口服葡萄糖耐量试验2 h血糖≥11.1 mmol/L。
所有患者均采用日本Kowa无散瞳眼底照相机对糖尿病患者进行眼底检查。该设备内置830万像素专业CCD摄像头，由9个内置固定灯拍摄标准位置周边图片，自动拼图得到一张90°范围眼底照片。对人工可以正常分析诊断的照片，采用上工眼科云网筛查平台人工智能分析自动检测渗出、出血、微动脉瘤等DR特质性病变，并根据DR国际分期标准[5]（表1）对图像检测结果进行自动分级。由两位主治医师及以上职称的医师进行人工分析，并由主任医师进行审核，以保证人工分析的准确性。两种分析方法分析结果存在差异时，以人工分析结果为标准。计算并对比两种分析方法的一致率。一致率=（诊断结果相同眼数/总收集有效眼数）×100%。
表1
糖尿病视网膜病变分期
采用SPSS23.0软件进行统计分析。对人工分析和人工智能分析结果进行Kappa一致性检验，Kappa值判断标准：0.0≤κ＜0.2为一致性程度很差；0.2≤κ＜0.4为一致性较差；0.4≤κ＜0.6为一致性中等；0.6≤κ＜1.0为一致性较好[6]。P＜0.05为差异有统计学意义。
2 结果
2106只眼中，排除因病情严重人工无法智能识别的64只眼，最终纳入分析2042只眼。
2042只眼中，人工分析结果显示无明显视网膜病变、轻度非增生期、中度非增生期、重度非增生期、增生期、高危增生期分别为1568、105、86、113、91、79只眼；人工智能分析结果显示无明显视网膜病变、轻度非增生期、中度非增生期、重度非增生期、增生期、高危增生期分别为1629、176、161、45、22、9只眼。人工分析与人工智能分析结果完全一致者1835只眼，占89.86%；分析有差异者207只眼，占10.14%（表2，图1）。
图1
糖尿病患者右眼眼底病变人工智能分析结果示意图
表2
糖尿病患者眼底病变的人工分析与人工智能分析结果差异性
人工分析、人工智能分析对DR的诊断率分别为23.2%、20.2%，对非DR的诊断率分别为76.8%、79.8%（表3）。人工智能判读符合度达87.8%。Kappa一致性检验结果显示，人工分析和人工智能分析诊断结果呈中等一致性（κ=0.576，P＜0.01）
表3
糖尿病患者眼底病变的人工分析与人工智能分析结果交叉表
3 讨论
据最新研究统计，我国糖尿病患病率大约为11.6%，最小患者的年龄仅7岁[7]。70%的糖尿病患者可出现全身小血管和微血管病变，引起白内障、青光眼、眼球运动障碍等一系列眼部疾病，其中最为严重的就是DR；并且，糖尿病病程越长，患者出现视网膜病变的几率越大[8]。眼底检查可及早发现早期微动脉瘤和点片状出血等早期视网膜病变，采取激光光凝治疗等措施可以有效延缓病变的发展。目前国内外已有多种筛查方法，如检眼镜、眼底彩色立体照相及荧光素眼底血管造影等[9]。眼底照相是一种客观、方便且诊断符合率、灵敏度和特异性均较高的检查，其操作简单、安全快捷、经济实用，可以准确反映DR的发展程度。但在眼底照相技术应用初期，对其检查结果依靠人工分析，费时费力且结果准确性依赖于分析医生的个人经验水平，对诊疗带来不稳定性。随着人工智能技术的兴起和广泛应用，眼底照相的分析也引入了智能软件进行分析。其优点有以下几个方面：（1）提高阅片效率。其快速完成读片给出诊断结果，甚至提供可供参考的治疗方案。（2）准确率高。人工智能集成了成千上万的病例及专家的诊断结果，通过大数据分析进行深度学习，对病情特征进行超精细分类，诊断准确性不再局限于个人经验水平。本研究中采用的上工眼科云网筛查平台是一家依照中国教育协会智能医学专委会智能眼科学组起草并通过的《基于眼底照相的糖尿病视网膜病变人工智能筛查系统应用指南》[10]而建立的智能筛查平台，采用计算机深度迁移学习及卷积神经网络模型对大量眼底照片特征及诊断疗法进行学习训练，与国外Roshini等[11]利用优化的深度卷积神经网络对DR进行自动诊断的研究中采用的算法较为相似。但目前国内人工智能的应用和发展与西方发达国家仍存在很大差距，性能方面还有待提升。这是因为人工智能是一个跨领域、多学科的产物，需要优秀的计算机硬件和软件专家、医学家、数学家等共同努力完成[12]。
本研究通过对1053例糖尿病患者眼底照相眼底病变人工分析和人工智能分析结果一致性的对比，发现人工分析与人工智能分析完全一致的比例为84.38%，呈中等一致性。其分析结果不一致主要表现为：（1）人工智能分析为点状出血、渗出，而人工分析为正常。这说明人工智能较肉眼能识别更为细小的病变。（2）人工智能分析为玻璃膜疣，而人工分析为点状渗出。玻璃膜疣与渗出是有区别的，渗出是来自视网膜，边界相对锐利；而玻璃膜疣位于视网膜下，被视网膜色素上皮覆盖，边界就相对模糊，不易被发现，而人工智能可较好地分析出来。（3）人工智能分析为正常或玻璃体变性，而人工分析为点状渗出或出血或微动脉瘤。这说明人工智能不能较细致地分析出微动脉瘤，大部分以有无渗出及出血取代。同时，玻璃体变性与渗出也是有区别的，诊断不一致的原因可能是计算机在深度学习过程中对于特殊病例及静脉“串珠”样改变、视网膜内微血管异常、玻璃体或视网膜前出血等病变学习程度不够或者算法不精确导致，需要进一步完善。随着技术的进步，在未来人工智能诊断必将更加精准，朝着集图片判读、病因分析、治疗方案提供为一体的方向发展。
综合人工智能分析的结果，展开适时的治疗，正是人工智能快速检测的意义所在。针对无DR的患者，主要以控制血糖为主。有研究表明，2型糖尿病患者糖化血红蛋白控制在6.5%以下，其发生微血管病变率可下降10%[13]；血糖水平每下降1 mmol/L，DR发生的危险性会下降21%[14]。对于轻中度非增生型DR，采用药物保守治疗；重度非增生型DR及高危增生型DR目前临床上主要采用全视网膜激光光凝治疗，可降低50%的DR患者视力严重丧失的可能[15]，同时辅以药物联合治疗减少手术并发症；对于伴有玻璃体积血、纤维增生、牵引性视网膜脱离等患者，保守治疗难以奏效，常需行玻璃体切割手术。因此，DR的早期发现与诊疗，对于患者来说至关重要。虽然人工智能分析现阶段不够完善，需要进一步优化，但不可否认，人工智能分析为临床眼底分析提供了一种新的方法，是未来医疗发展的一种趋势。尤其对医疗资源水平落后的地区，对于DR的早发现、早治疗有着重大的价值，希望人工智能技术能够在未来医疗中发挥更大的价值。
糖尿病视网膜病变（DR）是糖尿病患者致盲的首要原因，早期筛查DR具有重要的临床意义[1]。人工智能分析拥有大量数据资源，超越人类能力的精度、准确性和稳定性，同时节省人力资源等优点，在临床医学研究应用方面越来越广泛。如，人工智能助力新型冠状病毒肺炎胸部CT诊断，可有效提升工作效率，提高检出率，减少患者等待时间，优化诊断流程[2]；人工智能应用于尘肺病的诊断预防，具有快速准确读片的优点，可以起到早预防早治疗的作用[3]。由此可见，人工智能必将在未来医学中提供重要的辅助作用，甚至在某些方面替代医生的工作。本研究采用人工分析与人工智能分析对糖尿病患者眼底照相显示的眼底病变进行诊断与分期，进而验证两种方式的一致性，以期为临床糖尿病患者眼底病变分析提供更为快捷有效的手段以及在一定程度上弥补医师经验不足而误诊的缺陷。现将结果报道如下。
1 对象和方法
本研究为经过郑州大学第一附属医院伦理委员会审批（批准号：ZZUIRB2019-4552）的回顾性研究。所有患者均签署书面知情同意书。
2018年5月到2019年5月郑州大学第一附属医院内分泌科连续收治的糖尿病患者1053例2106只眼纳入本研究。其中，男性888例，女性165例；年龄20～70岁，平均年龄53岁。糖尿病病程3～15年。所有患者均符合1999年WHO发布的糖尿病诊断标准[4]：（1）有糖尿病典型症状及随机血浆葡萄糖浓度≥11.1 mmol/L；（2）空腹血浆葡萄糖浓度≥7.0 mmol/L；（3）口服葡萄糖耐量试验2 h血糖≥11.1 mmol/L。
所有患者均采用日本Kowa无散瞳眼底照相机对糖尿病患者进行眼底检查。该设备内置830万像素专业CCD摄像头，由9个内置固定灯拍摄标准位置周边图片，自动拼图得到一张90°范围眼底照片。对人工可以正常分析诊断的照片，采用上工眼科云网筛查平台人工智能分析自动检测渗出、出血、微动脉瘤等DR特质性病变，并根据DR国际分期标准[5]（表1）对图像检测结果进行自动分级。由两位主治医师及以上职称的医师进行人工分析，并由主任医师进行审核，以保证人工分析的准确性。两种分析方法分析结果存在差异时，以人工分析结果为标准。计算并对比两种分析方法的一致率。一致率=（诊断结果相同眼数/总收集有效眼数）×100%。
表1
糖尿病视网膜病变分期
采用SPSS23.0软件进行统计分析。对人工分析和人工智能分析结果进行Kappa一致性检验，Kappa值判断标准：0.0≤κ＜0.2为一致性程度很差；0.2≤κ＜0.4为一致性较差；0.4≤κ＜0.6为一致性中等；0.6≤κ＜1.0为一致性较好[6]。P＜0.05为差异有统计学意义。
2 结果
2106只眼中，排除因病情严重人工无法智能识别的64只眼，最终纳入分析2042只眼。
2042只眼中，人工分析结果显示无明显视网膜病变、轻度非增生期、中度非增生期、重度非增生期、增生期、高危增生期分别为1568、105、86、113、91、79只眼；人工智能分析结果显示无明显视网膜病变、轻度非增生期、中度非增生期、重度非增生期、增生期、高危增生期分别为1629、176、161、45、22、9只眼。人工分析与人工智能分析结果完全一致者1835只眼，占89.86%；分析有差异者207只眼，占10.14%（表2，图1）。
图1
糖尿病患者右眼眼底病变人工智能分析结果示意图
表2
糖尿病患者眼底病变的人工分析与人工智能分析结果差异性
人工分析、人工智能分析对DR的诊断率分别为23.2%、20.2%，对非DR的诊断率分别为76.8%、79.8%（表3）。人工智能判读符合度达87.8%。Kappa一致性检验结果显示，人工分析和人工智能分析诊断结果呈中等一致性（κ=0.576，P＜0.01）
表3
糖尿病患者眼底病变的人工分析与人工智能分析结果交叉表
3 讨论
据最新研究统计，我国糖尿病患病率大约为11.6%，最小患者的年龄仅7岁[7]。70%的糖尿病患者可出现全身小血管和微血管病变，引起白内障、青光眼、眼球运动障碍等一系列眼部疾病，其中最为严重的就是DR；并且，糖尿病病程越长，患者出现视网膜病变的几率越大[8]。眼底检查可及早发现早期微动脉瘤和点片状出血等早期视网膜病变，采取激光光凝治疗等措施可以有效延缓病变的发展。目前国内外已有多种筛查方法，如检眼镜、眼底彩色立体照相及荧光素眼底血管造影等[9]。眼底照相是一种客观、方便且诊断符合率、灵敏度和特异性均较高的检查，其操作简单、安全快捷、经济实用，可以准确反映DR的发展程度。但在眼底照相技术应用初期，对其检查结果依靠人工分析，费时费力且结果准确性依赖于分析医生的个人经验水平，对诊疗带来不稳定性。随着人工智能技术的兴起和广泛应用，眼底照相的分析也引入了智能软件进行分析。其优点有以下几个方面：（1）提高阅片效率。其快速完成读片给出诊断结果，甚至提供可供参考的治疗方案。（2）准确率高。人工智能集成了成千上万的病例及专家的诊断结果，通过大数据分析进行深度学习，对病情特征进行超精细分类，诊断准确性不再局限于个人经验水平。本研究中采用的上工眼科云网筛查平台是一家依照中国教育协会智能医学专委会智能眼科学组起草并通过的《基于眼底照相的糖尿病视网膜病变人工智能筛查系统应用指南》[10]而建立的智能筛查平台，采用计算机深度迁移学习及卷积神经网络模型对大量眼底照片特征及诊断疗法进行学习训练，与国外Roshini等[11]利用优化的深度卷积神经网络对DR进行自动诊断的研究中采用的算法较为相似。但目前国内人工智能的应用和发展与西方发达国家仍存在很大差距，性能方面还有待提升。这是因为人工智能是一个跨领域、多学科的产物，需要优秀的计算机硬件和软件专家、医学家、数学家等共同努力完成[12]。
本研究通过对1053例糖尿病患者眼底照相眼底病变人工分析和人工智能分析结果一致性的对比，发现人工分析与人工智能分析完全一致的比例为84.38%，呈中等一致性。其分析结果不一致主要表现为：（1）人工智能分析为点状出血、渗出，而人工分析为正常。这说明人工智能较肉眼能识别更为细小的病变。（2）人工智能分析为玻璃膜疣，而人工分析为点状渗出。玻璃膜疣与渗出是有区别的，渗出是来自视网膜，边界相对锐利；而玻璃膜疣位于视网膜下，被视网膜色素上皮覆盖，边界就相对模糊，不易被发现，而人工智能可较好地分析出来。（3）人工智能分析为正常或玻璃体变性，而人工分析为点状渗出或出血或微动脉瘤。这说明人工智能不能较细致地分析出微动脉瘤，大部分以有无渗出及出血取代。同时，玻璃体变性与渗出也是有区别的，诊断不一致的原因可能是计算机在深度学习过程中对于特殊病例及静脉“串珠”样改变、视网膜内微血管异常、玻璃体或视网膜前出血等病变学习程度不够或者算法不精确导致，需要进一步完善。随着技术的进步，在未来人工智能诊断必将更加精准，朝着集图片判读、病因分析、治疗方案提供为一体的方向发展。
综合人工智能分析的结果，展开适时的治疗，正是人工智能快速检测的意义所在。针对无DR的患者，主要以控制血糖为主。有研究表明，2型糖尿病患者糖化血红蛋白控制在6.5%以下，其发生微血管病变率可下降10%[13]；血糖水平每下降1 mmol/L，DR发生的危险性会下降21%[14]。对于轻中度非增生型DR，采用药物保守治疗；重度非增生型DR及高危增生型DR目前临床上主要采用全视网膜激光光凝治疗，可降低50%的DR患者视力严重丧失的可能[15]，同时辅以药物联合治疗减少手术并发症；对于伴有玻璃体积血、纤维增生、牵引性视网膜脱离等患者，保守治疗难以奏效，常需行玻璃体切割手术。因此，DR的早期发现与诊疗，对于患者来说至关重要。虽然人工智能分析现阶段不够完善，需要进一步优化，但不可否认，人工智能分析为临床眼底分析提供了一种新的方法，是未来医疗发展的一种趋势。尤其对医疗资源水平落后的地区，对于DR的早发现、早治疗有着重大的价值，希望人工智能技术能够在未来医疗中发挥更大的价值。
