最近，《英国医学杂志》子刊《开放糖尿病研究与护理》发表了上海交大医学院附属瑞金医院、上海企业体素科技等共同发表的论文《人工智能赋能的糖尿病视网膜病变筛查：一项真实世界多中心前瞻研究》。
这是一次开创性的人工智能辅助诊断工具有效性研究，招募了中国155个国家代谢管理中心的近5万名糖尿病患者，运用体素科技开发的人工智能算法对他们进行糖尿病视网膜病变（简称糖网）筛查，并完成了对所有有效糖网数据的疾病分期，在大范围多中心环境下验证了人工智能算法在真实世界中的诊断能力。
筛查糖网的眼科医生远远不足
国际糖尿病联盟发布的全球糖尿病概览数据显示，2017年中国糖尿病患者人数达1.1亿，而糖尿病视网膜病变在我国糖尿病罹患人群中的患病率为24.7%至37.5%。按此推算，我国糖尿病视网膜病变患者约2700万人，每个患者都存在致盲的可能。
通过眼底筛查找出潜在患者，并在早期进行干预，可以降低94.4%的患者面临的糖网严重失明风险，然而在现实各项因素影响下，我国糖网病变筛查率不足10%。瑞金医院科研团队介绍，稀缺的医疗资源是造成低筛查率的因素之一。据原国家卫计委2016年统计，我国只有3.2万名眼科医生，其中从事眼底医疗服务和研究的医生约8001000人。相对于1亿多名糖尿病患者来说，眼科医生远远不足。
人工智能能够在一定程度上缓解迫切的医疗资源需求。体素科技首席执行官丁晓伟博士说，通过海量的糖网病变影像，特定的深度学习算法能够对阅片环节进行高效分析，帮助医生节省大量时间。当技术下沉到基层后，人工智能可以提升社区医生在缺少眼科专家情况下的能力建设问题，方便老百姓在社区进行糖尿病视网膜病变、白内障、青光眼等问题的筛查，为患者就诊提供便利。
院企合作开展全国大规模实验
“人工智能医生”筛查糖网的效果究竟如何？瑞金医院与体素科技合作开展了一项大规模实验。2018年6月至2019年8月，研究人员共招募了47269名18岁及以上的糖尿病患者，他们来自全国26个省区市的155个国家代谢管理中心，涵盖分级诊疗政策下不同层次医疗水平的医疗机构，一定程度上符合我国人口学特征与医疗服务的实际状况。
随后，研究人员运用人工智能算法VoxelCloud Retina处理了所有患者总计94199张眼底照片。初步结果显示，来自40665名患者的71970张图像被人工智能判定为可分级，余下6604名患者的22229张图像被判定为不可分级，其原因可能包括：患者瞳孔孝白内障、其他眼并图像本身质量问题。
在确保评价系统对糖网筛查的准确性方面，研究人员组织了一个专家阅片小组，全部阅片者均为三甲医院三年以上工作经验的眼科医生。他们随机选取了三分之一的临床受试者眼底图像，以阅片小组的意见作为诊断的金标准，用于评估人工智能系统和专家小组的差异。结果显示，人工智能与所有专家的一致性均超过80%。
最终结果显示，糖网的估计患病率为28.8%，需转诊糖网为24.4%，威胁视力的糖网为10.8%。按危险因素分层分析，女性的糖网估计患病率为29.6%，男性为28.3%。
人工智能筛查易复制、易推广
上海交大医学院附属瑞金医院内分泌代谢科主任王卫庆教授表示，长期以来，大量研究专注于对高质量实验室环境下的图像数据集进行处理，但在真实世界的医疗环境中，人工智能必须在各个地域、各个医院，有效处理各类质量的影像。因此，这项实验不仅是大样本条件下的真实世界研究，也能够反映人工智能在不同资源的非眼科专业医疗中心、医疗保健系统中的实际效果。
据介绍，这一世界规模最大的前瞻性眼科人工智能研究主要有三大优点：涵盖了155个国家代谢管理中心，涉及不同层级医疗机构和不同经济文化背景地区，结果具有较好的代表性；研究样本量大，纳入条件尽可能模拟了真实情况下糖尿病患者的特征；人工智能系统的准确率堪比专家小组，并且具有易复制、易推广的优点。
这项实验也存在一定局限性，如研究中所得出的患病率并不是来自一般人群；由于模型更容易将健康人判为假阳性以减少漏诊的风险，人工智能系统计算出的患病率会被高估；专家小组与模型之间对于图像可读性存在分歧。
针对以上问题，研究人员提出了解决方案。下一步，他们将开展更大规模的眼科真实世界研究，并进一步提升人工智能辅助诊断能力。
