便携式眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的验证
摘要
本研究旨在验证新型便携式非散瞳眼底相机Eyerobo FC在糖尿病视网膜病变（DR）筛查中的诊断性能。通过使用EyePACS和APTOS 2019数据集训练的深度学习模型（EfficientNet-B4），并在Messidor-2数据集上建立基准，该模型在Topcon TRC NW6桌面相机图像上的敏感性为92.7%，特异性为94.3%。随后，将同一模型应用于Eyerobo FC拍摄的图像，在前瞻性队列中验证其性能。结果显示，Eyerobo FC在104只眼睛（52例可转诊DR，52例不可转诊）中实现了92.3%的敏感性和94.2%的特异性，与桌面系统相比表现出非劣效性。这些结果支持在资源受限和即时护理环境中部署便携式AI辅助筛查。
信息来源： PubMed Ophthalmology 发布于 2026年3月11日
要点速览
- Eyerobo FC在糖尿病视网膜病变筛查中表现出与桌面系统相当的诊断性能。
- 研究采用深度学习模型EfficientNet-B4，并在多个公开数据集上进行训练和验证。
- 结果显示Eyerobo FC的敏感性为92.3%，特异性为94.2%，支持在资源受限环境中部署。
本站解读
这项研究揭示了便携式眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的潜力，标志着技术路线从传统的桌面设备向便携式设备转变的重要一步。这种转变不仅提高了筛查的便捷性，还降低了成本，使得更多患者能够接受及时的检查。随着人工智能算法的发展，跨平台的通用性得到了显著提升，这进一步巩固了便携式设备在眼科筛查中的地位。商业格局方面，传统的眼科设备制造商可能面临新的竞争压力，而新兴的便携式设备厂商则有望迅速崛起。国内外的研发管线也在不断推进，多家公司正在开发类似的产品和技术，未来市场竞争将更加激烈。后续需要密切留意的是，这些便携式设备在大规模临床应用中的实际表现，以及相关监管政策的变化。
常见问题
这个便携式眼底相机真的能替代传统的大机器吗？
根据研究结果，Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能与传统桌面系统相当，因此在某些情况下可以作为替代方案。如有疑虑可咨询眼科医生。
这种便携式设备适合哪些人群使用？
这种便携式设备特别适合资源受限地区和即时护理环境中的患者，能够提供便捷且准确的筛查服务。
延伸阅读
瞳孔扩张对糖尿病视网膜病变筛查的影响
该研究探讨了在资源有限的环境中，瞳孔扩张对便携式眼底相机图像可分级性和基于人工智能的糖尿病视网膜病变检测性能的影响。研究发现，使用瞳孔扩张剂后，图像的可分级性显著提高（82.1% vs. 55.6%），且AI模型在扩张后的图像上表现更佳（准确率85.15%，AUC 0.94）。然而，在低收入和中等收入国家，药物扩张可能不切实际，因此优化非扩张图像的模型校准和阈值设定至关重要。
基于梯度优化的集成模型提升医疗预测精度
本研究提出了一种新的集成学习方法——基于梯度的权重优化集成模型（GBWOEM），通过优化五个基础模型（决策树分类器、随机森林分类器、逻辑回归、多层感知机和K-近邻）的权重，以提高医疗诊断和分类问题的预测准确性。该模型在乳腺癌、糖尿病视网膜病变等五个医疗相关数据集上进行了测试，结果显示其准确率比传统集成模型如Adaboost、Catboost、GradientBoost、LightGBM和XGBoost提高了0.48%至8.26%。此外，性能指标包括ROC-AUC分析表明，GBWOEM在处理不平衡数据方面具有显著优势，为医疗应用中的预测一致性和患者结果提供了可靠的解决方案。
人工智能在糖尿病视网膜病变诊断中的准确性与可靠性
该研究旨在评估人工智能（AI）在识别糖尿病视网膜病变（DR）和黄斑水肿（DME）方面的诊断准确性和可靠性，并将其与眼科医生的临床评估进行比较。研究纳入了294名患者（576只眼），使用Topcon NW400非散瞳眼底相机获取眼底图像，由Google ARDA AI工具进行分析。临床分级则由视网膜专家根据国际临床DR严重程度量表进行。结果显示，AI工具在诊断DR时的敏感性为97.1%，特异性为90.9%，Kappa值为0.77；在诊断DME时的诊断效率为89.9%，Kappa值为0.48。结论表明，AI工具在诊断DR和DME方面具有高敏感性和与眼科医生的高度一致性，显示出其在视网膜健康筛查中提高诊断准确性和效率的潜力。