DeepDR Plus系统可以识别高、低风险人群

• DeepDR Plus系统可以识别高、低风险人群
  
  
  
  将该系统应用于中国和印度的真实临床流程，结果显示，DeepDR Plus系统可以识别高、低风险人群，为患者提供个性化筛查间隔和管理策略，可将糖尿病患者的平均筛查间隔从1年延长至近3年而几乎不发生漏诊。
   
  糖尿病视网膜病变（diabetic retinopathy, DR）是糖尿病最常见和最严重的微血管并发症之一，并已成为全球工作年龄人口的首要致盲原因。大约每3个糖尿病患者中就有1个DR患者。早期DR患者感受不明显，医生对于DR进展风险也难以评估和预测，DR疾病的后期进展不仅给诊疗带来巨大负担，且极大增加患者致盲风险。
  
  如何高效精准诊断糖尿病视网膜病变并评估其进展风险，一直是困扰科学界的重大难点和热点。最近，来自上海交通大学与清华大学的医工交叉合作研究成果给这一问题的解决带来曙光：糖尿病患者只需站在一台机器前拍张照片，不仅能精准诊断DR严重程度，而且能预测DR的发病进程和进展风险。
   
  近日，上海交通大学人工智能教育部重点实验室盛斌教授团队，上海交通大学医学院附属第六人民医院内分泌代谢科贾伟平教授和李华婷教授团队，以及清华大学副教务长、医学院主任黄天荫教授团队，在《Nature Medicine》（自然-医学）上发表研究成果，其研制的DeepDR Plus系统是国际首创能精准预测糖尿病视网膜病变进展的深度学习系统。
   
  盛斌在接受澎湃科技专访时表示，研究团队从2013年起就扎根于糖尿病视网膜病变AI（人工智能）诊疗这一国际前沿问题，从眼底血管特征自动提取，到DR疾病的自动诊断，再到疾病风险的精准评估，团队相继研制成功 “DeepDR” 及 “DeepDR Plus” 两代深度学习系统，助力糖尿病全球防控。
   
  据悉，在DeepDR Plus系统的攻关中，研究团队采用来自中国、印度、新加坡等地超20万名多种族糖尿病患者的80多万张眼底图片数据，提出基于Weibull混合分布模型的疾病进展分析深度学习框架，实现对糖尿病视网膜病变进展的风险预警和时间预测，准确区分不同风险人群。