1月4日，上海交通大學醫(yī)學院附屬第六人民醫(yī)院內(nèi)分泌代謝科、上海市糖尿病重點實驗室賈偉平教授和李華婷教授團隊，清華大學副教務長、醫(yī)學院主任黃天蔭教授團隊，上海交通大學電院計算機系和教育部人工智能重點實驗室盛斌教授團隊在國際權(quán)威刊物Nature Medicine（備注：《自然醫(yī)學》）發(fā)表題為A deep learning system for predicting time to progression of diabetic retinopathy（備注：“用于預測糖尿病視網(wǎng)膜病變進展時間的深度學習系統(tǒng)”）的科研成果。

發(fā)布的論文。    上海市第六人民醫(yī)院 供圖

該系統(tǒng)可基于眼底圖像精準預測糖尿病視網(wǎng)膜病變進展，為推動全球糖尿病并發(fā)癥的智能防控貢獻中國力量，有望為全球糖尿病視網(wǎng)膜病變的篩防新策略的制定提供指引。

糖尿病視網(wǎng)膜病變（以下簡稱DR），是糖尿病最常見的微血管并發(fā)癥，也是全球可預防失明的主要原因。該病初期癥狀隱匿，病情嚴重時可能導致永久性視力損傷甚至失明。由于不同患者病情進展存在較大差異，每位糖尿病病人患DR的風險和時間難以準確預測。

目前，以深度學習為代表的人工智能技術(shù)已被用于DR篩查，然而基于眼底圖像來預測DR發(fā)生風險仍是全球關(guān)注的重難點問題。

研究團隊指出，在糖尿病等相關(guān)慢病診療和管理的臨床實踐流程中，糖尿病患者往往只會按照相對固定的時間間隔進行篩查或隨訪，并發(fā)癥的確切發(fā)生或進展時間無法知曉，這也導致傳統(tǒng)深度學習模型無法實現(xiàn)疾病進展時序軌跡的精準建模，進而無法預測個體的發(fā)病和進展時間點。

針對上述這一困擾全球糖尿病管理的關(guān)鍵技術(shù)瓶頸與臨床需求，此項研究首次基于大規(guī)模醫(yī)學影像縱向隊列，涵蓋多國多種族的超20萬名糖尿病患者的眼底圖像和臨床數(shù)據(jù)，創(chuàng)新性地提出了深度學習框架，成功實現(xiàn)了對糖尿病視網(wǎng)膜病變進展的風險預警和時間預測。

目前，研究團隊還通過將該系統(tǒng)應用于中國和印度的真實臨床流程，證實該系統(tǒng)可在大幅降低篩查頻率和公共衛(wèi)生成本的情況下，仍保持極低的漏診率，從而為將來的糖尿病并發(fā)癥防控實踐提供個性化篩查和管理決策的依據(jù)。

研究團隊表示，早期篩查和干預對于DR的預防和管理至關(guān)重要，當前國內(nèi)和國際組織大多建議患者每年進行常規(guī)眼底攝片檢查，以便及時發(fā)現(xiàn)視網(wǎng)膜病變并進行干預，但在中、低收入國家，糖尿病患者常規(guī)眼底攝片檢查的實施和普及困難重重。

而此次研發(fā)的深度學習系統(tǒng)，僅根據(jù)基線眼底圖像，就可以準確預測未來5年DR進展的個體化風險和時間，優(yōu)于傳統(tǒng)臨床參數(shù)模型。這一研究有望對未來糖尿病視網(wǎng)膜病變的臨床診療流程和醫(yī)療費用等產(chǎn)生重要影響，在世界地圖上為糖尿病智能防控貢獻了中國技術(shù)和亞洲力量，為“一帶一路”及全球中低收入國家和地區(qū)的糖尿病管理模式的提質(zhì)增效與改革創(chuàng)新開辟了新道路。

上海交通大學醫(yī)學院附屬第六人民醫(yī)院賈偉平教授、清華大學黃天蔭教授、上海交通大學醫(yī)學院附屬第六人民醫(yī)院李華婷教授、上海交通大學盛斌教授為本文共同通訊作者。上海交通大學醫(yī)工交叉方向博士生戴領(lǐng)、華東療養(yǎng)院陳婷麗主任、上海交通大學醫(yī)學院附屬第六人民醫(yī)院吳強主任、上海交通大學劉茹涵博士等為本文共同第一作者。

該研究同時得到科技部國家重點研發(fā)計劃、國家自然科學基金、上海市科委“一帶一路”國際聯(lián)合實驗室建設項目、上海市內(nèi)分泌代謝疾病研究中心及上海交通大學“交大之星”計劃醫(yī)工交叉研究基金等資助。