DR智能诊断主要涉及病灶识别、分级判断及进展预测。由于微血管瘤、出血、硬性渗出和新生血管等关键病灶在CFP上具有良好可见性，因此CFP长期作为DR筛查体系的核心工具。早期研究证实，深度学习系统可基于CFP高效识别可转诊DR，并进一步在不同种族、不同中心和更复杂真实人群中验证模型的稳定性。在完成可转诊病例识别后，研究由“是否存在DR”推进至“DR处于何种阶段、具体病灶位于何处”。已有研究将图像质量控制、病灶检测和疾病分级纳入同一流程，同时识别微血管瘤、棉絮斑、硬性渗出和出血等病灶，并区分轻、中、重度非增殖期DR及增殖期DR，外部验证分级AUC为0.916~0.970。
 

在分级诊断基础上，研究者进一步细化病灶表达方式：将不同类型病灶分别建模，利用病灶特征图引导分级过程；或将病灶分割与分级联合建模，提高对复杂病灶表型的判别能力。在完成横断面识别与分级后，研究进一步推进至进展风险预测。纵向研究利用筛查图像中的深度学习信息，预测未来DR进展风险。Arcadu等研究人员基于单次CFP构建深度学习模型预测DR进展，提示眼底图像中包含可用于判断未来病程变化的前瞻性信息。
 

出自《AI赋能的眼病精准诊断与再生治疗新进展》作者高娜，代伟，瞿佳。