据介绍，本项研究率先基于大规模医学影像纵向队列，涵盖多国多种族的超20万名糖尿病患者的眼底图像和临床数据，创新性提出疾病进展分析深度学习框架，通过生存分析与时序分布概率建模，成功实现了对糖尿病视网膜病变进展的风险预警和时间预测。研究团队通过将该系统应用于中国和印度的真实临床流程，证实该系统可在大幅降低筛查频率和公共卫生成本的情况下仍保持极低的漏诊率，从而为将来的糖尿病并发症防控实践提供了个性化筛查和管理决策的依据。

　　当日，国际权威刊物Nature Medicine(自然医学)刊登了上海交通大学医学院附属第六人民医院内分泌代谢科、上海市糖尿病重点实验室贾伟平教授和李华婷教授团队，清华大学副教务长、医学院主任黄天荫教授团队，上海交通大学电院计算机系/教育部人工智能重点实验室盛斌教授团队取得的这项成果，为推动全球糖尿病并发症的智能防控贡献了中国智慧。

　　据悉，糖尿病视网膜病变(diabetic retinopathy, DR)是糖尿病最常见的微血管并发症，也是全球可预防失明的主要原因。由于不同患者病情进展存在较大差异，每位糖尿病病人患DR的风险和时间难以准确预测。目前，以深度学习为代表的人工智能技术已被用于DR筛查，然而基于眼底图像 来预测DR发生风险仍是全球关注的重难点问题

　　据了解，本研究还率先实现了个体化糖尿病视网膜病变风险和时间预测：DeepDR Plus系统仅根据基线眼底图像，可以准确预测未来5年DR进展的个体化风险和时间，优于传统临床参数模型。此外，DeepDR Plus系统可以准确识别高、低风险人群，提供了人工智能驱动的个性化的推荐随访间隔和管理策略。