糖尿病视网膜病变筛查方法的进展

李东东，李观燕，李会琳

（1.长治医学院研究生院，山西 长治 046000；2.长治医学院附属和济医院，山西 长治 046000）

0 引言

糖尿病(diabetes mellitus, DM)是一种全球性的公共卫生疾病，预计到2040年将影响6.42亿成年人，DR会影响1/3的DM患者，而DR是全球失明的主要原因，且视力损伤不可逆[1-2]。因此，DR筛查对DM患者来说十分必要，可以有效降低DR致盲的风险。随着互联网技术的飞速发展，超广角、远程医疗、人工智能等技术备受关注[3]。本综述旨在描述DR筛查方法的应用进展。

1 传统筛查方法及其进展

1.1 眼底彩照

眼底彩照一直是筛查和分级DR严重程度的金标准，图像是通过ETDRS-7标准视野(7SF)获得的，但只能获得30%的视野，大面积的视网膜无法显示[4-5]。为了克服这种不足，2000年欧堡公司新颖地推出了使用大椭圆镜获取200°的眼底广角全景图像（ultrawide field retinal imaging,UWFI），在不散瞳的情况下可以观察到82%的视野，其特异性和敏感性为76%，且UWFI图像获取时间显著缩短，患者能更好的配合[6-7]。许多小型研究比较了UWF图像与临床检查以及标准7SF图像对DR严重程度的评估，发现两者之间有良好的一致性[8]。综上所述，UWF无论与散瞳或非散瞳眼底照相相比，在检测DR方面具有高灵敏性，且操作简单，省时省力，可作为DR的初筛工具。

1.2 激光扫描检影镜

激光扫描检影镜（scanning laser ophthalmoscopy , SLO）是利用激光扫描视网膜而获得眼底图像，可以在不同的入射波长下提供高分辨率的数字图像，且不受屈光介质混浊及瞳孔直径的影响[9-10]。超广角激光扫描检影镜（wide-field scanning laser ophthalmoscopy, WSLO）是一种新型的非散瞳眼底成像设备，范围可达180-200°的清晰视野。有研究比较了WSLO与标准7SF立体彩色照相对DR筛查的诊断性能，表明两者之间具有良好相关性[11-12]。可见，该成像技术可为DR筛查提供有利条件，然而，到目前为止，还没有实质性的试验应用WSLO作为一种筛选工具在临床实践中进行[11-12]。

1.3 光学相干断层扫描

光学相干断层扫描(optical coherence tomography，OCT)是一种高分辨率、非侵入性、非接触性对视网膜后极部成像的横断面技术，可以定性、定量评估DR，特别是在黄斑囊样水肿（diabetic macular edema, DME）方面[12-13]。与眼底立体照相和裂隙灯显微镜相比，OCT在诊断DME方面有较好的表现，敏感度高于眼底彩照，是目前诊断和监测DME的金标准[12,14-15]。Leng等人[16]的研究结果表明：频域OCT发现15眼有视网膜微动脉瘤，诊断率为88%，而金标准FFA诊断率为100%，说明两者相关性很好。

1.4 眼底荧光素血管造影

眼底荧光素血管造影(fundus fluorescein angiography,FFA)是目前观察视网膜血管的金标准，已用于评估脉络膜视网膜疾病30多年，可评估DR的严重程度[12]。超广角眼底荧光素血管造影(ultrawide field fundus fluorescein angiography,UWFFA)使视网膜可视化范围达到外周200°[7]。Wessel[17]等人在118名DM患者218只眼中进行UWFFA与标准7SF的比较研究，结果显示:UWFFA可视化视网膜面积比标准7SF高3.2倍，视网膜无灌注区面积高3.9倍，新生血管面积高1.9倍，全视网膜光凝面积高3.8倍；但该技术是一项有创技术，存在不良反应，且费用较贵，操作复杂，不适合大范围DR筛查。

2 远程医疗

远程医疗利用电信技术和医疗设备技术，将眼科技术与电子信息(如医疗记录)相结合，将病人的病史、检查和眼底图像发送给眼科专家,制定适当的治疗和管理计划，并将信息反馈给提供者和病人[18-19]。近年来，远程医疗已广泛应用于糖尿病及其并发症的护理[18]。远程医疗主要是由获取视网膜图像的设备、眼科阅片专家以及将结果和治疗反馈给病人的协作基地组成，其中获取视网膜图像设备的更新是远程医疗发展的关键[20-21]。Zhang[22]等人在杜克眼科中心进行了一项前瞻性研究，共纳入56名DM患者111只眼，采用便携式、非接触、非散瞳、45°视野的手持数码视网膜照相机（Pictor）拍摄散瞳前后的眼底图像，与散瞳后临床检查对比，比较DR筛查的敏感性和特异性，结果表明：诊断视力受损DR的总体敏感性为64%-88%，特异性为71%-90%。所以，Pictor可以获得足够质量的视网膜图像来筛查DR，具有高灵敏性和高特异性。超广角眼底照相能获得100-200°视网膜范围，很多人将其应用于远程医疗中，Silva[23]等人的研究表明与非散瞳眼底照相相比，UWFI减少了71%的不可分辨率，减少了28%的图像评估时间，DR诊断率为38.4%，视力受损DR为14.5%，9%的DR提示外周病变更严重。可见采用UWFI可能会提高DR远程保健方案的效率，但其主要障碍包括成像设备所需的大量资金[7,23]。

总之，远程医疗的迅速发展，可以增加DR筛查和早期检测的有效途径，提供定期监测、及时随访以及进行DR的早期治疗，降低DR致盲率，但仍需更新、更便携、更经济的设备[7,19]。

3 人工智能

人工筛查DR需要眼科医生对患者眼底图片进行分析、分级，这种方法不仅受眼科医生临床经验的影响，而且工程量大、主观性强、易疲劳、费时费力，使得DR筛查的有效性和准确性受到一定程度的影响[24]。而人工智能 (artificial intelligence, AI)利用机器学习和深度学习 (deep learning, DL)开发自动化的DR检测算法，在一定程度上弥补了人工筛查的短板[25]。机器学习是AI目前较为热门的方向之一，其中DL是一种最先进的机器学习技术。新加坡的Ting[26]等人评估了基于DL识别DR的能力，结果显示：检测增殖性糖尿病视网膜病变（Proliferative diabetic retinopathy, PDR）的敏感性为90.5% ，特异性为91.6% ，威胁视力DR的敏感性为100% ，特异性为91.1%，说明DL对DR筛查具有高灵敏性和特异性。

卷积神经网络(convolutional neural network, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络，是DL的代表算法之一[27]。Abramoff[28]等人在2013年公布了爱荷华州检测计划(owa Detection Program,IDP)检测可参考的糖尿病视网膜病变（referable diabetic retinopathy, RDR）结果：灵敏性为96.8%，特异性为59.4%；而其[29]等人在2016年的研究中表明，将CNN与现有的DR检测算法结合起来（IDx-DR），提高了RDR的检测水平，并使用公共数据集Messidor-2检测RDR，其敏感性为96.8% ，特异性为87% ；说明将CNN用于DR筛查提高了检测RDR的水平，且IDx-DR在2018年成为第一个被美国食品药品管理局（FDA）批准进行DR筛选的AI设备。

EyeArtTM是基于智能手机应用程序的眼底图像和AI自动筛查系统的软件[30]。Rajalakshmi[31]等人利用EyeArtTM验证了一种基于智能手机的眼底照相系统用于DR筛查,其结果表明:AI检测任何DR的敏感性和特异性为95.8%、80.2%，威胁视力DR的敏感性和特异性为99.1%、80.4%，说明基于FOP智能手机的AI对DR和威胁视力DR 的检测具有很高的敏感性，可作为DR筛查的初步工具，尤其适用于不发达的边远地区。

4 结语

早筛查、早诊断、早治疗DR是预防视力下降的有效方法。随着DM患者日益增多，影响视力的DR患病率也上升，DR筛查的任务越来越重，这就意味着需要更简便的眼底成像技术。传统的成像技术已经不能满足；远程医疗为不发达偏远地区的患者提供了机会，但需要更先进的技术来解决；AI是近年来兴起的一种新型的DR筛查方法，大大提高了DR的筛查率，随着科技的发展，AI有望成为DR或其他疾病筛查的主力军。