在临床眼科,糖尿病视网膜病变(DR)的筛查长期依赖于眼底彩照和眼科医生的主观判读。然而,随着糖尿病患者基数持续扩大,传统模式在效率与可及性上的瓶颈日益凸显。近两年,一个显著的趋势是:多模态数据融合正在从根本上重塑DR筛查的临床路径——不再局限于单一影像,而是将彩色眼底照相、OCT、OCTA乃至全身代谢指标整合进一个评估框架。
**从“看图说话”到“多维决策”**
去年发表在《British Journal of Ophthalmology》上的一项多中心研究提供了有力佐证。研究者纳入超过1.2万例糖尿病患者,构建了融合眼底影像与糖化血红蛋白、病程、血压等临床变量的预测模型。结果显示,相较于仅使用影像的深度学习模型,多模态模型对需转诊的增殖期DR的检出灵敏度从86.3%提升至93.7%,同时将假阳性率降低了近三成。这意味着,临床眼科医生在筛查环节获得的将不再是一张“有问题”的图片,而是一个包含风险分层、进展概率和转诊紧迫性的综合报告。
这一转变的临床价值在于:它把筛查从“发现病变”推进到了“预测风险”。例如,对于一位眼底照片上仅有少量微动脉瘤、但糖化血红蛋白长期高于9%的患者,多模态模型会给出更高的短期进展预警,提示医生缩短随访间隔或提前启动干预。这种基于多维数据的个体化判断,恰是传统单一影像阅片难以实现的。
**OCTA与AI的协同落地**
另一个值得关注的动态是OCTA在DR筛查中的角色演变。OCTA能够无创呈现黄斑区毛细血管无灌注区,其定量指标(如FAZ面积、血管密度)与DR严重程度的相关性已在多项研究中得到验证。近期有团队尝试将OCTA的定量特征与眼底彩照的病灶分割结果进行融合,用于预测糖尿病黄斑水肿的发生风险。初步数据显示,融合模型的AUC达到0.89,显著优于任一单独模态。
不过,落地挑战同样真实。OCTA检查耗时较长、对患者配合度要求高,在基层筛查场景中难以作为一线工具。因此,当前更务实的路径是:以眼底彩照+临床变量作为初筛,对高风险者再行OCTA确认。这种“阶梯式多模态”策略在保证筛查覆盖率的同时,把有限的高级影像资源用在了刀刃上。
**对临床眼科实践的启示**
多模态数据融合并非要取代眼科医生的判断,而是重新分配认知负荷。医生从逐张阅片中解放出来,将精力聚焦于模型标记的高风险病例和复杂决策。与此同时,临床眼科团队需要建立新的质控节点:数据采集的标准化、模型在不同人群中的校准、以及筛查阳性后的闭环管理。
可以预见,未来两到三年,多模态DR筛查将从科研论证阶段加速进入临床路径。对于眼科机构而言,提前布局数据治理能力和跨学科协作机制,或许比单纯引进某一款AI软件更为关键。毕竟,工具迭代的速度远快于流程重构,而后者才是决定患者最终获益的变量。