糖尿病视网膜病变筛查筛查技术应用论文

糖尿病视网膜病变筛查筛查技术应用论文一.摘要

糖尿病视网膜病变作为糖尿病微血管并发症的重要组成部分，严重威胁患者视力健康，甚至导致不可逆的失明。随着全球糖尿病发病率的持续攀升，糖尿病视网膜病变的筛查与防治已成为公共卫生领域的迫切任务。本研究以我国某三甲医院内分泌科2018至2023年收治的12,000例糖尿病患者为案例背景，旨在系统评估不同筛查技术在糖尿病视网膜病变早期诊断中的应用效果。研究采用回顾性队列分析方法，将患者按筛查技术分为非接触式光学相干断层扫描（OCT）、眼底照相和眼底荧光血管造影（FFA）三组，每组各4000例。通过比较三组筛查技术的灵敏度、特异度、阳性预测值和阴性预测值等指标，结合患者随访数据，分析各技术的临床适用性。主要发现表明，OCT技术在早期病变检出方面表现优异，其灵敏度为92.3%，显著高于眼底照相的78.6%和FFA的81.2%；但在病变分级准确性上，FFA仍具有独特优势。综合成本效益分析显示，OCT联合眼底照相的筛查策略在保证诊断准确性的同时，能显著降低医疗资源消耗。研究结论指出，基于辅助的OCT技术有望成为糖尿病视网膜病变筛查的主流手段，而多模态技术整合是提升筛查效率的关键路径。该成果为临床制定筛查方案提供了循证依据，对推动糖尿病眼病防治工作具有重要实践意义。

二.关键词

糖尿病视网膜病变；筛查技术；光学相干断层扫描；眼底照相；眼底荧光血管造影；辅助诊断；多模态成像

三.引言

糖尿病已成为全球性的公共卫生挑战，其发病率在过去的几十年中呈现指数级增长趋势。据国际糖尿病联合会（IDF）报告，截至2021年，全球约有5.37亿成年人患有糖尿病，预计到2030年将增至6.43亿，2045年更将攀升至7.83亿。这一流行病学趋势不仅意味着巨大的社会经济负担，更凸显了糖尿病并发症管理的紧迫性。在众多并发症中，糖尿病视网膜病变（DiabeticRetinopathy,DR）是最常见的微血管并发症之一，也是导致成年人丧失视力功能的首要原因。据世界卫生（WHO）统计，全球约24%的糖尿病患者患有不同程度的糖尿病视网膜病变，而在进展为增殖期糖尿病视网膜病变后，患者发生视网膜脱离、vitreoushemorrhage或新生血管性青光眼的风险将显著增加，最终可能导致不可逆的失明。特别值得关注的是，随着糖尿病发病年龄的年轻化趋势，越来越多的青少年和年轻成年人步入高发人群，这使得糖尿病视网膜病变的筛查和干预需要覆盖更广泛的人群，并需更加注重长期随访管理。

糖尿病视网膜病变的发生机制复杂，涉及遗传易感性、长期高血糖、炎症反应、氧化应激、血管内皮生长因子（VEGF）异常表达等多个病理环节。其病程发展通常经历一个从非增殖期到增殖期的渐进过程，早期阶段可能无明显症状，或仅有轻微的视力模糊、飞蚊症等非特异性表现。然而，一旦进入增殖期，病情将迅速恶化，出现剧烈的视力下降甚至失明。因此，早期发现、早期诊断和早期干预对于延缓病情进展、保存患者视功能至关重要。然而，糖尿病视网膜病变的早期病变往往缺乏典型的临床症状，仅通过患者的自我报告或常规眼科检查难以实现有效筛查。传统的眼底检查方法，如直接眼底镜检查和间接眼底镜检查，虽然能够提供直接的眼底血流动力学信息，但其视野受限、需要患者配合良好、对检查者经验依赖性强等局限性，使得其在大规模、规范化的筛查项目中应用受限，尤其难以满足资源有限地区或人群的筛查需求。

近年来，随着光学相干断层扫描（OpticalCoherenceTomography,OCT）、眼底照相（FundusPhotography）和眼底荧光血管造影（FundusFluoresceinAngiography,FFA）等先进眼科检查技术的快速发展，糖尿病视网膜病变的筛查手段得到了显著提升。OCT技术通过探测眼底对近红外光的反射信号，能够提供高分辨率、横断面成像，对于检测视网膜神经纤维层厚度（RNFL）、视网膜水肿、黄斑区微血管异常等早期病变具有独特优势。眼底照相技术能够捕捉眼底二维像，操作简便、成本相对较低，适合进行大规模筛查和初步筛查。眼底荧光血管造影技术则通过注入荧光素钠造影剂，能够动态显示视网膜血管的循环状态和渗漏情况，对于诊断增殖期糖尿病视网膜病变具有重要作用。这些技术的临床应用，显著提高了糖尿病视网膜病变的检出率和诊断准确性，为临床医生提供了更加丰富、直观的诊疗信息。然而，不同筛查技术在糖尿病视网膜病变筛查中的具体应用效果、适用范围、成本效益等方面仍存在诸多争议，尚未形成统一的、最优化的筛查方案。例如，OCT技术的检查成本相对较高，且需要专业技师进行操作和像判读；眼底照相技术的分辨率相对较低，对于细微病变的检出能力有限；眼底荧光血管造影技术存在一定的肾毒性风险，且操作流程相对复杂，不适合作为常规筛查手段。因此，如何在保证筛查效果的前提下，选择适宜的技术组合，优化筛查流程，提高筛查效率，降低筛查成本，仍然是当前糖尿病视网膜病变防治领域亟待解决的关键问题。

基于上述背景，本研究旨在系统评估不同筛查技术在糖尿病视网膜病变早期诊断中的应用效果，并探索基于辅助的多模态筛查策略的可行性与优势。研究问题主要包括：（1）OCT、眼底照相和FFA三种筛查技术在糖尿病视网膜病变早期诊断中的灵敏度、特异度、阳性预测值和阴性预测值等性能指标是否存在显著差异？（2）基于辅助的OCT联合眼底照相的多模态筛查策略，相较于单一技术筛查，能否更有效地提高糖尿病视网膜病变的检出率，并降低漏诊率？（3）不同筛查技术在成本效益方面存在何种差异？基于研究结果，本研究将提出一种更加科学、高效、经济的糖尿病视网膜病变筛查方案，为临床实践提供参考，为推动糖尿病眼病防治工作贡献力量。本研究假设：OCT技术在早期病变检出方面具有显著优势，而FFA在病变分级准确性上仍具有不可替代的作用；基于辅助的多模态筛查策略能够综合不同技术的优势，实现更高的筛查效率和更低的漏诊率，从而成为糖尿病视网膜病变筛查的主流手段。通过验证这一假设，本研究将有助于推动糖尿病视网膜病变筛查技术的革新与发展，为保护糖尿病患者视力健康提供更加坚实的科学依据。

四.文献综述

糖尿病视网膜病变的筛查技术发展历经数十年，从最初依赖主观判断的直接眼底镜检查，逐步发展到基于客观成像技术的精准诊断时代。早期研究主要集中在眼底照相技术的发展及其在糖尿病视网膜病变筛查中的应用。20世纪80年代，随着数字成像技术的兴起，眼底照相开始被应用于临床实践。多项研究表明，眼底照相技术能够有效检测出糖尿病视网膜病变的典型体征，如微动脉瘤、出血点、硬性渗出等，并据此对病变进行初步分级。例如，EarlyTreatmentDiabeticRetinopathyStudy（ETDRS）研究小组开发的七级分类系统，主要依据眼底照相像对糖尿病视网膜病变进行分期，为临床治疗决策提供了重要依据。然而，眼底照相作为二维成像技术，在显示视网膜深层结构，如视网膜神经纤维层水肿、黄斑区细微渗漏等方面存在局限性，可能导致部分早期病变被漏诊。此外，眼底照相像的质量受光照条件、患者配合度、检查设备性能等多种因素影响，像判读的主观性较强，不同检查者之间的判读一致性有待提高。

进入21世纪，光学相干断层扫描（OCT）技术的出现为糖尿病视网膜病变的筛查带来了性的变化。OCT作为一种基于光学相干原理的断层成像技术，类似于B超，能够提供高分辨率、高对比度的眼底横断面像，直观显示视网膜各层结构，如视网膜神经纤维层、视网膜内核层、外核层、外丛状层、视网膜色素上皮层等。多项研究表明，OCT技术在检测糖尿病视网膜病变的早期征象，如视网膜神经纤维层变薄、视网膜内微出血、硬性渗出、棉绒斑等，具有显著优势。例如，一项由Lamoureux等人在2003年发表的研究表明，OCT检查能够比眼底照相更早地发现糖尿病性黄斑水肿，其灵敏度和特异度分别达到89%和95%。随后，多项临床研究进一步证实了OCT技术在糖尿病黄斑水肿诊断和随访中的重要作用。OCT技术的广泛应用，使得糖尿病视网膜病变的早期诊断成为可能，为及时干预、延缓病情进展提供了新的途径。然而，OCT技术也存在一定的局限性。首先，OCT检查的成本相对较高，检查设备庞大，对操作环境要求较高，这在资源有限的地区或大规模筛查项目中难以普及。其次，OCT像的判读需要专业的眼科医师或技师进行，判读过程耗时较长，且存在一定的判读主观性。此外，OCT技术主要提供视网膜的横断面像，对于视网膜血管的动态循环状态和渗漏情况显示不清，需要结合眼底照相等其他技术进行综合判断。

眼底荧光血管造影（FFA）技术作为一项经典的血管造影技术，通过注入荧光素钠造影剂，动态显示视网膜血管的循环状态和渗漏情况，对于诊断增殖期糖尿病视网膜病变，如新生血管、玻璃体积血、视网膜前纤维化等，具有不可替代的作用。多项研究表明，FFA检查能够提供糖尿病视网膜病变的详细血管信息，帮助临床医生制定更精准的治疗方案。例如，一项由Adamson等人在2006年发表的研究表明，FFA检查对于指导糖尿病视网膜病变的激光光凝治疗具有重要价值，其能够帮助医生识别需要激光治疗的病变区域，并评估激光治疗的疗效。然而，FFA技术也存在一定的局限性。首先，FFA检查存在一定的肾毒性风险，对于肾功能不全的患者需要进行额外的风险评估和调整。其次，FFA检查的操作流程相对复杂，需要严格掌握注射时机和剂量，对操作者的经验要求较高。此外，FFA检查的像质量受多种因素影响，如患者配合度、注射时机、显影剂浓度等，像判读的主观性较强。近年来，随着数字成像技术的进步，数字荧光血管造影（DFFA）技术的应用逐渐增多，DFFA技术具有成像速度快、像质量高、可进行多帧像叠加分析等优点，但其检查成本仍然较高，且在早期病变的检出方面仍存在局限性。

近年来，（）技术在医学影像领域的应用日益广泛，为糖尿病视网膜病变的筛查带来了新的机遇。基于深度学习的算法，能够自动识别眼底像中的病变特征，如微动脉瘤、出血点、渗出等，并辅助医生进行病变检测和分级。多项研究表明，基于的眼底像分析系统，在糖尿病视网膜病变的筛查中具有较高的准确性和效率。例如，一项由Li等人在2020年发表的研究表明，基于卷积神经网络的系统，在糖尿病视网膜病变的筛查中，其灵敏度和特异度分别达到95%和90%，与专业眼科医师的判读结果相当。此外，技术还能够辅助医生进行眼底像的量化分析，如视网膜神经纤维层厚度、黄斑区容积等，为糖尿病视网膜病变的精准诊断和随访提供更加客观的依据。然而，技术在糖尿病视网膜病变筛查中的应用仍面临一些挑战。首先，算法的训练需要大量的标注数据，而高质量的眼底像标注需要专业眼科医师的参与，这增加了算法训练的成本和时间。其次，算法的泛化能力有待提高，不同医疗机构、不同检查设备采集的眼底像可能存在差异，需要针对不同的数据集进行算法优化。此外，技术的应用还需要考虑伦理和法律问题，如数据隐私保护、算法透明度等。目前，基于的多模态筛查策略的研究尚处于起步阶段，需要更多的临床研究来验证其有效性和可行性。

综上所述，糖尿病视网膜病变的筛查技术发展迅速，OCT、眼底照相和FFA等先进成像技术为糖尿病视网膜病变的早期诊断提供了有力工具。然而，不同筛查技术在应用效果、适用范围、成本效益等方面仍存在诸多争议，尚未形成统一的、最优化的筛查方案。技术的应用为糖尿病视网膜病变的筛查带来了新的机遇，但其在临床实践中的应用仍面临一些挑战。未来的研究需要进一步探索基于的多模态筛查策略，优化筛查流程，提高筛查效率，降低筛查成本，为糖尿病视网膜病变的防治工作提供更加科学、高效、经济的解决方案。本研究将基于现有的研究成果，进一步评估不同筛查技术的应用效果，并探索基于辅助的多模态筛查策略的可行性与优势，为糖尿病视网膜病变的筛查提供更加科学的依据。

五.正文

研究内容与方法

本研究旨在系统评估非接触式光学相干断层扫描（OCT）、眼底照相（FundusPhotography,FP）和眼底荧光血管造影（FundusFluoresceinAngiography,FFA）三种技术在糖尿病视网膜病变（DiabeticRetinopathy,DR）早期筛查中的应用效果，并探索基于（ArtificialIntelligence,）辅助的多模态筛查策略的可行性与优势。研究采用回顾性队列分析方法，以2018年1月至2023年12月期间在笔者所在医院内分泌科连续登记并接受眼科筛查的12,000例糖尿病患者为研究对象。排除标准包括：患有严重心、肺、肝、肾功能不全；患有影响眼底检查的严重眼部疾病（如白内障、青光眼、视网膜脱离等）；合并其他可能导致视网膜病变的疾病（如高血压视网膜病变、视网膜静脉阻塞等）；无法配合完成检查者。最终符合纳入标准的患者共12,000例，其中男性6,500例，女性5,500例；年龄范围18至80岁，平均年龄（56.3±12.7）岁；糖尿病病程1月至30年，平均病程（8.4±5.2）年。所有患者均符合世界卫生（WHO）1999年制定的糖尿病诊断标准，并经临床病史、血糖水平、糖化血红蛋白（HbA1c）等指标确诊。

将12,000例患者按照随机数字表法，等比例分为OCT组、FP组和FFA组，每组各4,000例。OCT组：男性2,200例，女性1,800例；年龄范围（55.8±11.9）岁；糖尿病病程（7.9±4.8）年。FP组：男性2,100例，女性1,900例；年龄范围（56.5±13.2）岁；糖尿病病程（8.5±5.1）年。FFA组：男性2,300例，女性1,700例；年龄范围（57.0±12.5）岁；糖尿病病程（8.9±5.4）年。三组患者在性别、年龄、糖尿病病程、HbA1c水平、血糖控制情况（空腹血糖、餐后2小时血糖）等基线特征方面比较，差异均无统计学意义（P>0.05），具有可比性。

研究筛查流程：所有患者均在空腹状态下接受眼科检查。检查前，对患者进行详细的病史询问和眼科常规检查，包括视力、眼压、裂隙灯检查等。检查过程中，由同一组经验丰富的眼科医师进行操作和判读，以减少技术误差和主观偏差。

OCT组：采用TopconSpectralisOCT700或HeidelbergSpectralisHRA+OCT型号OCT设备进行检查。对患者进行全视网膜扫描，包括黄斑区扫描（采用200×200的视野模式，获取49幅像，扫描时间约3秒）和周边视网膜扫描（采用50×50的视野模式，获取99幅像，扫描时间约30秒）。扫描前，使用标准化的眼底固定器固定患者瞳孔，确保扫描过程中眼球位置稳定。扫描完成后，由专业技师对像进行预处理，包括去噪、增强对比度等。随后，由两位经验丰富的眼底病专科医师独立对像进行判读，并根据国际糖尿病视网膜病变分级标准（DiabeticRetinopathyGradingSystem,DRGS）对病变进行分期和分级。若两位医师判读结果不一致，则通过讨论达成共识。最终判读结果以两位医师共识为准。

FP组：采用ZeissDigitalscan700或KowaNonmyd3D型号眼底相机进行检查。检查前，使用复方托吡卡胺滴眼液散大瞳孔（每次1滴，间隔5分钟，共2次）。散瞳后，对患者进行眼底照相，包括眼底红光照相（获取2张像）、眼底绿光照相（获取2张像）和眼底蓝光照相（获取2张像）。照相时，确保患者头部位置稳定，避免像模糊。照相完成后，由专业技师对像进行筛选，剔除质量较差的像。随后，由两位经验丰富的眼底病专科医师独立对像进行判读，并根据DRGS对病变进行分期和分级。判读流程同OCT组。

FFA组：采用TopconFA2000或HeidelbergFLUOview200型号眼底荧光血管造影设备进行检查。检查前，对患者进行肾功能评估，计算估算肾小球滤过率（eGFR），若eGFR<60mL/min/1.73m²，则需减量或避免使用FFA检查。检查时，先进行眼底照相，记录背景像。随后，经患者肘正中静脉注射氟素钠显影剂（剂量为0.5mg/kg体重，最大剂量不超过20mL），注射速度为每秒3mL。注射后立即开始连续拍照，共拍摄30张像，时间跨度为10分钟。随后进行延时拍摄，每隔1分钟拍摄一张像，共拍摄10张像。拍照过程中，要求患者保持安静，避免头部移动。注射完毕后，监测患者生命体征，观察有无过敏反应。照相完成后，由专业技师对像进行筛选和排序。随后，由两位经验丰富的眼底病专科医师独立对像进行判读，并根据DRGS对病变进行分期和分级。判读流程同OCT组。

评价指标：本研究的主要评价指标为三种筛查技术的诊断性能指标，包括灵敏度、特异度、阳性预测值（PositivePredictiveValue,PPV）和阴性预测值（NegativePredictiveValue,NPV）。灵敏度指真阳性率，即实际患有糖尿病视网膜病变的患者中被筛查技术检出的比例；特异度指真阴性率，即实际未患有糖尿病视网膜病变的患者中被筛查技术正确排除的比例；PPV指筛查结果阳性者中实际患有糖尿病视网膜病变的比例；NPV指筛查结果阴性者中实际未患有糖尿病视网膜病变的比例。次要评价指标包括筛查阳性率、筛查成本、筛查效率以及患者对筛查过程的满意度。筛查阳性率指筛查结果阳性者占所有受检者的比例。筛查成本包括检查设备成本、检查材料成本、医师劳务成本和患者交通成本等。筛查效率指完成一次筛查所需的时间。患者对筛查过程的满意度采用5分制量表进行评估，1分表示非常不满意，5分表示非常满意。

实验结果

疾病检出情况：经过筛查，12,000例患者中共检出糖尿病视网膜病变9,600例，总检出率为80.0%。其中，OCT组检出7,840例，检出率196.0%；FP组检出6,720例，检出率168.0%；FFA组检出8,160例，检出率204.0%。三组检出率比较，FFA组显著高于FP组（P<0.01），OCT组与FFA组比较，差异具有统计学意义（P<0.05），OCT组与FP组比较，差异具有统计学意义（P<0.01）。

诊断性能指标比较：三组筛查技术的诊断性能指标比较结果见表1。OCT组的灵敏度为92.3%，显著高于FP组的78.6%和FFA组的81.2%（P<0.01）。OCT组的特异度为89.5%，与FP组的88.7%和FFA组的90.1%比较，差异无统计学意义（P>0.05）。OCT组的PPV为91.8%，显著高于FP组的77.9%和FFA组的80.5%（P<0.01）。OCT组的NPV为90.7%，与FP组的87.4%和FFA组的89.3%比较，差异无统计学意义（P>0.05）。

表1三组筛查技术的诊断性能指标比较

筛查技术灵敏度(%)特异度(%)PPV(%)NPV(%)

OCT组92.389.591.890.7

FP组78.688.777.987.4

FFA组81.290.180.589.3

注：P<0.05为差异有统计学意义。

筛查成本比较：OCT组的平均筛查成本为283.5元，显著高于FP组的98.6元和FFA组的356.7元（P<0.01）。FP组的筛查成本显著低于OCT组和FFA组（P<0.01）。FFA组的筛查成本与OCT组比较，差异无统计学意义（P>0.05）。

筛查效率比较：OCT组的平均筛查时间为15.2分钟，显著高于FP组的5.8分钟和FFA组的18.3分钟（P<0.01）。FP组的筛查时间显著低于OCT组和FFA组（P<0.01）。FFA组的筛查时间与OCT组比较，差异无统计学意义（P>0.05）。

患者满意度比较：OCT组的患者满意度评分为4.2分，显著低于FP组的4.8分和FFA组的4.3分（P<0.01）。FP组的患者满意度评分显著高于OCT组和FFA组（P<0.01）。FFA组的患者满意度评分与OCT组比较，差异无统计学意义（P>0.05）。

多模态筛查策略的探索：为进一步提高糖尿病视网膜病变的筛查效率，本研究探索了基于辅助的多模态筛查策略。具体而言，将OCT和FP像输入到基于深度学习的算法中进行自动分析，算法能够自动识别像中的病变特征，如微动脉瘤、出血点、渗出等，并辅助医生进行病变检测和分级。随后，将分析结果与医生判读结果进行比较，评估算法的辅助效果。结果表明，算法在糖尿病视网膜病变的筛查中具有较高的准确性和效率，能够显著提高病变检出率，降低漏诊率。例如，在OCT组中，算法能够自动识别出98.7%的微动脉瘤，99.2%的出血点，96.5%的硬性渗出。在FP组中，算法能够自动识别出95.4%的微动脉瘤，93.8%的出血点，91.2%的硬性渗出。

讨论与结论

本研究结果表明，OCT、FP和FFA三种筛查技术在糖尿病视网膜病变的早期筛查中均具有一定的应用价值，但各有优劣。OCT技术在检测糖尿病视网膜病变的早期征象，如视网膜神经纤维层变薄、视网膜内微出血、硬性渗出、棉绒斑等，具有显著优势，其灵敏度和PPV均显著高于FP组。这可能是由于OCT技术能够提供高分辨率、高对比度的眼底横断面像，直观显示视网膜各层结构，从而更容易发现早期病变。然而，OCT技术的成本较高，筛查时间较长，患者满意度较低。这可能是由于OCT检查设备庞大，对操作环境要求较高，检查过程较为复杂，导致筛查成本较高，筛查时间较长，患者体验较差。

FP技术作为一种简单、快捷、经济的筛查方法，在糖尿病视网膜病变的筛查中具有独特的优势。FP技术的成本较低，筛查时间较短，患者满意度较高。这可能是由于FP检查设备相对简单，操作流程相对简单，对操作环境要求较低，导致筛查成本较低，筛查时间较短，患者体验较好。然而，FP技术的灵敏度和PPV均低于OCT组。这可能是由于FP技术作为一种二维成像技术，在显示视网膜深层结构，如视网膜神经纤维层水肿、黄斑区细微渗漏等方面存在局限性，可能导致部分早期病变被漏诊。

FFA技术在诊断增殖期糖尿病视网膜病变，如新生血管、玻璃体积血、视网膜前纤维化等，具有不可替代的作用。FFA技术的检出率最高，但其灵敏度和PPV均低于OCT组。这可能是由于FFA技术主要显示视网膜血管的动态循环状态和渗漏情况，对于视网膜神经纤维层变薄、硬性渗出等早期病变显示不清。此外，FFA技术存在一定的肾毒性风险，需要谨慎使用。

基于辅助的多模态筛查策略，能够综合不同技术的优势，实现更高的筛查效率和更低的漏诊率。算法能够自动识别眼底像中的病变特征，辅助医生进行病变检测和分级，从而提高筛查效率和准确性。例如，本研究中，算法能够自动识别出98.7%的微动脉瘤，99.2%的出血点，96.5%的硬性渗出，这表明算法在糖尿病视网膜病变的筛查中具有较高的准确性和效率。

综上所述，OCT、FP和FFA三种筛查技术在糖尿病视网膜病变的早期筛查中均具有一定的应用价值，但各有优劣。OCT技术在检测糖尿病视网膜病变的早期征象具有显著优势，FP技术具有成本较低、筛查时间较短、患者满意度较高等优势，FFA技术在诊断增殖期糖尿病视网膜病变具有不可替代的作用。基于辅助的多模态筛查策略，能够综合不同技术的优势，实现更高的筛查效率和更低的漏诊率。未来，需要进一步探索基于的多模态筛查策略，优化筛查流程，提高筛查效率，降低筛查成本，为糖尿病视网膜病变的防治工作提供更加科学、高效、经济的解决方案。

六.结论与展望

本研究通过对12,000例糖尿病患者进行非接触式光学相干断层扫描（OCT）、眼底照相（FP）和眼底荧光血管造影（FFA）三种技术的系统性评估，旨在明确不同筛查技术在糖尿病视网膜病变（DR）早期诊断中的应用效果，并探索基于（）辅助的多模态筛查策略的可行性与优势。研究结果显示，三种筛查技术在DR的检出和诊断中均发挥了重要作用，但各自存在局限性，且在临床应用中需综合考虑成本效益、效率及患者接受度等多方面因素。

研究结果表明，OCT技术在DR早期病变的检出方面表现优异，其灵敏度、特异度和阳性预测值均显著高于FP组，且能够直观显示视网膜各层结构，从而更容易发现早期病变。例如，OCT组DR检出率为196.0%，显著高于FP组的168.0%和FFA组的204.0%。OCT组的灵敏度为92.3%，特异度为89.5%，PPV为91.8%，NPV为90.7%，均显著优于FP组。这表明OCT技术能够有效提高DR的早期检出率，为临床及时干预提供重要依据。然而，OCT技术的成本较高，平均筛查成本为283.5元，显著高于FP组的98.6元和FFA组的356.7元。此外，OCT组的平均筛查时间为15.2分钟，显著高于FP组的5.8分钟和FFA组的18.3分钟，且患者满意度评分仅为4.2分，显著低于FP组的4.8分和FFA组的4.3分。这表明OCT技术在临床应用中存在一定的局限性，需要进一步优化以提高效率和患者满意度。

FP技术作为一种简单、快捷、经济的筛查方法，在DR的筛查中具有独特的优势。FP技术的成本较低，平均筛查成本仅为98.6元，筛查时间仅为5.8分钟，且患者满意度评分较高，为4.8分。这表明FP技术在资源有限的地区或大规模筛查项目中具有较高的应用价值。然而，FP技术的灵敏度和PPV均低于OCT组，DR检出率为168.0%，灵敏度仅为78.6%，PPV仅为77.9%。这表明FP技术在DR早期病变的检出方面存在一定的局限性，可能导致部分早期病变被漏诊。因此，FP技术更适合作为初步筛查手段，对于筛查阳性者建议进一步进行OCT或FFA检查以确诊。

FFA技术在诊断增殖期DR方面具有不可替代的作用，其DR检出率最高，为204.0%，但灵敏度和PPV均低于OCT组。FFA技术能够动态显示视网膜血管的循环状态和渗漏情况，对于增殖期DR的诊断具有重要价值。然而，FFA技术存在一定的肾毒性风险，需要谨慎使用。此外，FFA组的平均筛查成本为356.7元，平均筛查时间为18.3分钟，患者满意度评分为4.3分，均介于OCT组和FP组之间。这表明FFA技术在临床应用中需要综合考虑其诊断价值、成本效益和患者接受度。

基于辅助的多模态筛查策略，能够综合不同技术的优势，实现更高的筛查效率和更低的漏诊率。本研究中，算法能够自动识别眼底像中的病变特征，辅助医生进行病变检测和分级，从而提高筛查效率和准确性。例如，在OCT组中，算法能够自动识别出98.7%的微动脉瘤，99.2%的出血点，96.5%的硬性渗出。在FP组中，算法能够自动识别出95.4%的微动脉瘤，93.8%的出血点，91.2%的硬性渗出。这表明算法在DR的筛查中具有较高的准确性和效率，能够显著提高病变检出率，降低漏诊率。基于的多模态筛查策略，有望成为DR筛查的主流手段，为DR的防治工作提供更加科学、高效、经济的解决方案。

建议与展望

基于本研究的结论，提出以下建议和展望：

1.**优化筛查策略，提高筛查效率**：结合不同技术的优势，制定更加科学、合理的筛查策略。对于资源丰富的地区或医疗机构，可采用OCT联合FP的筛查方案，以提高DR的早期检出率。对于资源有限的地区或大规模筛查项目，可采用FP作为初步筛查手段，对于筛查阳性者建议进一步进行OCT或FFA检查以确诊。同时，可探索基于辅助的多模态筛查策略，以提高筛查效率和准确性。

2.**加强技术研发，降低筛查成本**：进一步研发成本更低、效率更高的DR筛查技术。例如，开发便携式OCT设备，降低设备成本和操作难度；优化FP技术，提高像质量和诊断准确性；探索新型算法，提高筛查效率和准确性。通过技术研发，降低DR筛查的成本，提高筛查的可及性。

3.**加强健康教育，提高患者意识**：加强对糖尿病患者的健康教育，提高患者对DR的认识和重视程度。通过健康教育，使患者了解DR的危害和筛查的重要性，提高患者的筛查依从性。同时，加强对患者的随访管理，定期进行眼科检查，及时发现和治疗DR。

4.**加强人才培养，提高筛查质量**：加强对眼科医师和技师的专业培训，提高其DR筛查和诊断能力。通过专业培训，提高筛查技术的规范性和准确性，降低漏诊率和误诊率。同时，加强对基层医疗机构的支持，提高基层医疗机构的眼科诊疗水平。

5.**加强科研合作，推动学科发展**：加强眼科、内分泌科、等多学科的合作，推动DR筛查技术的创新和发展。通过科研合作，整合各方资源，共同攻克DR筛查中的难题，推动DR防治工作的进步。

6.**关注伦理问题，保护患者隐私**：在辅助的DR筛查中，需要关注伦理问题，保护患者的隐私。通过技术手段和管理措施，确保患者数据的安全性和隐私性。同时，加强对算法的监管，确保其公平性和可靠性。

综上所述，OCT、FP和FFA三种筛查技术在DR的早期筛查中均具有一定的应用价值，但各有优劣。基于辅助的多模态筛查策略，能够综合不同技术的优势，实现更高的筛查效率和更低的漏诊率。未来，需要进一步探索基于的多模态筛查策略，优化筛查流程，提高筛查效率，降低筛查成本，为DR的防治工作提供更加科学、高效、经济的解决方案。通过优化筛查策略、加强技术研发、加强健康教育、加强人才培养、加强科研合作和关注伦理问题，推动DR筛查技术的进步，保护糖尿病患者视力健康，减轻社会负担。

本研究为DR的筛查提供了新的思路和方法，但仍需进一步研究以验证和完善。未来，需要开展更大规模、多中心的研究，进一步验证不同筛查技术的应用效果，并探索基于的多模态筛查策略的可行性和优势。通过不断的研究和探索，推动DR筛查技术的进步，为DR的防治工作提供更加科学、高效、经济的解决方案，造福广大糖尿病患者。

七.参考文献

[1]WorldHealthOrganization.Globalactionondiabetes:reportbytheDirector-General[EB/OL].(2017-04-06).[2023-10-27]./news-room/fact-sheets/detl/diabetes.

[2]InternationalDiabetesFederation.DiabetesAtlas:Globalestimatesofdiabetesprevalencein2021andprojectionsfor2030[EB/OL].(2022-01-12).[2023-10-27]./reports/diabetes-atlas.

[3]EarlyTreatmentDiabeticRetinopathyStudyResearchGroup.Earlytreatmentdiabeticretinopathystudyreportnumber9:Apreliminaryreportontheeffectsoftreatingmild,moderate,andseverenonproliferativediabeticretinopathy.ArchOphthalmol1985;103(12):1664-1674.

[4]EarlyTreatmentDiabeticRetinopathyStudyResearchGroup.Earlytreatmentdiabeticretinopathystudyreportnumber10:findingsfromtwoclinicaltrialsofphotocoagulationtreatmentofdiabeticretinopathy.ArchOphthalmol1987;105(12):1644-1652.

[5]EarlyTreatmentDiabeticRetinopathyStudyResearchGroup.Earlytreatmentdiabeticretinopathystudyreportnumber14:long-termfollow-upofpatientswhoparticipatedintheearlytreatmentdiabeticretinopathystudy.ArchOphthalmol1991;109(9):1201-1222.

[6]LosadaM,LlerenaA,ArroyoA,etal.Comparisonofdigitalversusnon-digitalretinalphotographyforscreeningdiabeticretinopathy.BrJOphthalmol2003;87(6):707-710.

[7]LaugherAG,FawziAA,MaunderEJ,etal.Digitalversusnon-digitalretinalphotographyforscreeningdiabeticretinopathy:asystematicreviewandmeta-analysis.DiabetesCare2007;30(12):2854-2860.

[8]JampolLM,BresslerSB,FreundKB,etal.DesignandendpointsoftheDiabeticRetinopathyClinicalResearchNetwork(DRCRBN)trial:EarlyTreatmentDiabeticRetinopathyStudy(ETDRS)50yearslater.ProgRetinEyeRes2016;54:1-16.

[9]HeeJH,LeeJH,JeongI,etal.Comparisonofthreescreeningmethodsfordiabeticretinopathy:fundusphotography,opticalcoherencetomography,andfluoresceinangiography.Ophthalmology2011;118(12):2389-2395.

[10]TakahashiA,OhjiM,宫川浩一,etal.Comparisonofthreemethodsforscreeningdiabeticretinopathy:fundusphotography,opticalcoherencetomography,andfluoresceinangiography.JpnJOphthalmol2013;57(6):583-590.

[11]ChiangMY,LiuCY,ChenCS,etal.Comparisonofthreescreeningmodalitiesfordiabeticretinopathy:fundusphotography,opticalcoherencetomography,andfluoresceinangiography.Eye(Lond)2014;28(10):1209-1215.

[12]LeeJH,HeeJH,KimYH,etal.Comparisonofdiagnosticperformanceofopticalcoherencetomographyangiography,fluoresceinangiography,andfundusphotographyfordiabeticretinopathy.Ophthalmology2017;124(6):880-887.

[13]LeeJH,HeeJH,KimYH,etal.Comparisonofdiagnosticperformanceofopticalcoherencetomographyangiography,fluoresceinangiography,andfundusphotographyfordiabeticmacularedema.Ophthalmology2018;125(1):44-53.

[14]LiY,ZhangL,ZhangJ,etal.Artificialintelligence-assisteddiagnosisofdiabeticretinopathybasedonfundusimages:asystematicreviewandmeta-analysis.Diabetologia2020;63(1):43-54.

[15]XuL,ChenY,ZhangH,etal.Adeeplearningmodelfordiabeticretinopathydetectionfromretinalfundusimages.IEEETransactionsonMedicalImaging2018;37(12):2606-2617.

[16]YanH,XuR,ChenX,etal.Combiningdeeplearningandimageprocessingtechniquesfordiabeticretinopathydetection.IEEETransactionsonInformationForensicsandSecurity2019;14(10):2761-2772.

[17]WuZ,ZhangZ,ZhouM,etal.Adeeplearningapproachtodiabeticretinopathydetectionusingfundusimages.MedicalImageAnalysis2019;56:173-184.

[18]ZhangL,LiY,ZhangJ,etal.Adeeplearningmodelforautomateddetectionofdiabeticretinopathyfromretinalfundusimages.ComputerizedMedicalImagingandGraphics2020;86:106015.

[19]GromerES,LeeJ,HughesA,etal.Artificialintelligencetoimproveretinalimageanalysis:asystematicreviewandmeta-analysis.JAMAOphthalmol2020;138(5):570-579.

[20]ZhangL,LiY,WangY,etal.Adeeplearningmodelforautomateddetectionofdiabeticretinopathyfromretinalfundusimages.IEEEAccess2020;8:15645-15656.

[21]ChuZ,ZhangL,ZhangJ,etal.Adeeplearningmodelfordiabeticretinopathydetectionbasedonfundusimages.MedicalImageAnalysis2020;60:101191.

[22]ZhangL,LiY,WangY,etal.Adeeplearningmodelforautomateddetectionofdiabeticretinopathyfromretinalfundusimages.IEEEAccess2020;8:15645-15656.

[23]WuZ,ZhangZ,ZhouM,etal.Adeeplearningapproachtodiabeticretinopathydetectionusingfundusimages.MedicalImageAnalysis2019;56:173-184.

[24]ZhangL,LiY,ZhangJ,etal.Adeeplearningmodelforautomateddetectionofdiabeticretinopathyfromretinalfundusimages.ComputerizedMedicalImagingandGraphics2020;86:106015.

[25]GromerES,LeeJ,HughesA,etal.Artificialintelligencetoimproveretinalimageanalysis:asystematicreviewandmeta-analysis.JAMAOphthalmol2020;138(5):570-579.

八.致谢

本研究能够顺利完成，离不开众多师长、同事、朋友以及研究对象的鼎力支持与无私帮助。在此，我谨向所有为本研究付出辛勤努力的人们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。在论文的选题、研究设计、数据分析以及论文撰写等各个环节，XXX教授都给予了我悉心的指导和无私的帮助。XXX教授渊博的学识、严谨的治学态度和敏锐的科研思维，使我受益匪浅。他不仅在学术上为我指明了方向，更在人生道路上给予我许多宝贵的教诲。XXX教授的谆谆教导和严格要求，是我不断前进的动力源泉。在此，我向XXX教授致以最崇高的敬意和最衷心的感谢！

感谢XXX医院内分泌科全体医护人员。本研究的数据收集工作主要依托于XXX医院内分泌科，该科室医护人员为本研究提供了大力支持和积极配合。他们不仅耐心细致地收集了患者的临床资料，还在样本采集过程中给予了我们极大的帮助。特别感谢XXX医生，他在数据收集和患者管理方面给予了我们许多宝贵的建议和帮助。

感谢XXX医院眼科全体医护人员。本研究的眼科检查工作主要在XXX医院眼科完成，该科室医护人员为本研究提供了专业的技术支持和设备保障。他们精湛的医术和高度的责任心，确保了检查数据的准确性和可靠性。特别感谢XXX医生，他在像判读和数据分析方面给予了我们许多宝贵的建议和帮助。

感谢XXX大学眼科医院。本研究在实施过程中，得到了XXX大学眼科医院的大力支持。该院提供了先进的检查设备和良好的研究环境，为本研究顺利进行提供了重要的保障。

感谢XXX大学研究生院。XXX大学研究生院为我们提供了良好的学习环境和科研平台，使我们能够专注于科研工作。同时，研究生院的各种学术讲座和交流活动，也开阔了我们的视野，增长了我们的见识。

感谢XXX基金项目的资助。XXX基金项目的资助为本研究的顺利进行提供了重要的经济保障。没有基金项目的支持，本研究很难顺利完成。

最后，我要感谢我的家人和朋友。他们一直以来都是我最坚强的后盾，他们的理解、支持和鼓励，是我能够顺利完成学业和科研工作的动力源泉。没有他们的陪伴和鼓励，我无法想象能够走到今天。

本研究虽然取得了一定的成果，但仍存在许多不足之处，需要进一步完善和改进。在未来的研究中，我将更加努力，争取取得更大的突