XiaoMi-AI文件搜索系统
World File Search Systemretinopathy
糖尿病视网膜病变：管理和监测
• 纤维酸盐（任何剂量/方案） • 任何血压控制干预 • 安慰剂或观察（无治疗） 结果 • 视力 o 对于血压控制干预，报告为 logMAR 图表上双眼视力减少三行或以上的比例。 o 对于非诺贝特，报告为平均视力和视力减少 10 个 ETDRS 字母或更多（相当于 logMAR 图表上 2 行或更多）的参与者比例 o 对于他汀类药物和其他纤维酸盐（原始审查），报告为平均视力或 logMAR 图表上视力减少 2 或 3 行的参与者比例，如研究报告的那样。 • 增生性糖尿病视网膜病变的发病率 • 糖尿病性黄斑水肿的发病率 • 糖尿病性黄斑缺血的发病率 • 视觉相关生活质量（使用验证工具测量）
妊娠糖尿病性视网膜病的治疗
简介。糖尿病性视网膜病的发作和发展在怀孕期间更为普遍。怀孕对糖尿病性视网膜病没有长期影响；但是，在50-70％的病例中，视网膜病变的变化仍在继续。在妊娠中期，恶化的可能性最高，产后一年。与疾病进展相关的其他因素包括糖尿病的持续时间，受孕时的视网膜病程度，高血糖治疗，贫血，贫血和相关高血压的发育。在严重的非增生性视网膜病例的情况下，建议迅速启动激光光凝，而不是等待早期增殖。在怀孕前后，保持良好的糖尿病控制可以帮助防止疾病进展和严重的视力丧失。
年轻的2型糖尿病和视网膜病变
2型糖尿病（T2D）的景观发生了变化，随着40岁以下诊断的人数越来越多。年轻发病的主要关注点是并发症的早期发展，伴随着相关的发病率和过早死亡。鉴于对工人人口的潜在影响以及社会，社会和经济上的影响，重要的是要了解推动这些互补的发病机理的因素，以减轻或防止其发生。很少有研究调查了年轻T2D对微血管疾病（例如视网膜病）的影响。作为40岁以下成年人失明和视力障碍的主要原因之一，1这是糖尿病患者的恐惧并发症，并值得进一步研究。在本期刊中，Tibballs等2报告说，年轻的成人T2D在18至39岁之间被诊断出来，占T2D总人口的10％，具有更高的视网膜病变负担，并且与患有T2D的诊断为Live Live Live Live Live Live Live Live herce compline comperiation compline compline compline complentation。年轻的男性受试者特别容易受到这种并发症的影响。尽管接受了更强化的糖尿病治疗（包括胰岛素），但年轻发作的队列在血糖控制中表现出更快的恶化。与具有T2D的女性相比，诊断时年轻的男性在诊断时具有更高的HBA1C，并且在整个研究观察期间，血糖控制的这种差异持续存在。Tibballs等人的发现证实了年轻发作T2D的不良生物学表型，与老年人组相比，胰腺β细胞失败的速度更快。在糖尿病年龄和β细胞功能下降率之间存在逆关系 -
糖尿病性视网膜病：管理和监测
患有视网膜病变，南亚和非洲加勒比血统的人们目前可能比其他人更有限地获得某些治疗方法。使用抗VEGFS（Ranibizumab，Aflibercept，Faricimab和Brolucizumab用于糖尿病性黄斑水肿）的精美技术评估建议使用大于400微米的中央视网膜厚度的人使用。但是，南亚和非洲加勒比海血统的人的视网膜往往比其他人更薄，这意味着他们必须等待更长的时间，直到可以提供这种治疗方法。这可能导致其黄斑水肿和相关并发症（例如中央视力丧失）的进展。
糖尿病性视网膜病的筛查间隔
糖尿病性视网膜病（DR）是糖尿病（DM）最常见的微血管并发症之一，也是发达国家新盲目病例的主要原因。DR筛选是一种预防失明的经济高效方法。但是，最佳筛选间隔仍然存在争议。2010年，香港开始系统的DR筛查，这是糖尿病多学科风险评估和管理计划（RAMP-DM）的组成部分。冰岛模型用于根据危及视力视网膜病变（STDR）的个性化风险来确定筛查间隔。1然而，冰岛模型在我们的试点DR筛查研究中显着低估了STDR的风险，尽管它具有可接受的歧视水平。DR的危险因素主要基于西方糖尿病种群。使用在香港筛选计划期间收集的数据，我们试图确定最重要的风险因素并改善香港人口的风险分层。在这项研究中，我们旨在使用系统的DR筛查计划中的数据，基于香港的糖尿病人群开发基于香港糖尿病人群的STDR预测模型； （2）测试所得模型的内部有效性； （3）研究预测模型的安全性，可行性和成本效益； （4）建立一个成本效益模型，可以估算新预测模型的成本效益。
使用人工智能诊断糖尿病视网膜病变
自 2018 年以来（4、5）。该系统名为 IDx-DR，在视网膜照相机 (Topcon NW400) 上运行，并利用 AI 算法分析眼睛图像 (6)。系统的输出是建议，当系统识别出超过轻度 DR 时，将患者转诊给眼科保健专业人员，或建议 12 个月后重新筛查。因此，它是第一款提供自主筛查决策的设备，已获得美国食品药品监督管理局 (FDA) 的市场批准 (5)。出于伦理考虑，这种 AI 辅助设备的一个新颖而独特的功能需要进行严格评估：IDx-DR 有意生成自主建议，这实际上是诊断，无需医生监督，尽管医生通常负责诊断。由于该设备已经投入商业使用，因此迫切需要澄清知情同意的伦理问题。迄今为止，“告诉患者什么”是根据美国和欧盟的法律分析进行讨论的（7-9）。但是，对于用于诊断 DR 的新设备，尚未对“如果 AI 参与诊断，信息处理中应包括哪些信息”这一伦理问题提供具体答案。伦理挑战源于黑盒算法的不透明性、训练数据中的潜在偏差、改善医疗保健与创造利润之间的紧张关系以及出现性能错误时的责任（10）。这些措施旨在改进信息处理并培养患者对 AI 系统的信任。为了缓解这些伦理挑战，有人尝试性地提议对医生进行有关人工智能系统的构建、其训练数据和局限性的教育，并制定超越法律要求的伦理准则 ( 11 )。然而，目前仍不清楚在初级保健环境中使用人工智能系统诊断 DR 的信息过程中应包括哪些具体信息。虽然评论者质疑是否必须从法律角度披露诊断人工智能的参与 ( 7 )，但本文作者认为，忽略这一事实是不道德的，因为这可能构成一种欺骗行为。本文的目的是制定一份清单，以在伦理上保障知情同意过程。我们以 IDx-DR 系统为例，介绍其他可用于诊断 DR 的商业化 AI 辅助工具，例如 2020 年 6 月获得 FDA 批准的 EyeArt（12 – 14）。
用于检测糖尿病视网膜病变的人工智能技术
未分析该数据集的人口统计学、糖尿病持续时间、种族、使用每个成像平台进行成像所需的时间以及瞳孔直径。EyeArt 和 EIDON 图像处理可能存在“黑匣子”问题（即输出计算方式缺乏透明度），因为该软件使用的参考参数或数据点可能与标准 45 度彩色眼底图像中使用的不同，因此分级可能存在差异。需要进一步研究以确定广角真彩色图像是否在 EyeArt 软件的诊断准确性方面具有优势。
诊断和管理糖尿病性视网膜病的指南
摘要糖尿病性视网膜病（DR）和糖尿病性黄斑水肿（DME）是糖尿病（DM）患者的微血管并发症之一，如果没有早期诊断并进行适当治疗，可能会导致失明。可以使用各种技术诊断和治疗这两种疾病。治疗方式包括激光光凝治疗，玻璃体切除术手术，眼内类固醇注射和抗血管内皮生长因子（抗VEGF）注射。这些方法与代谢控制结合使用时可以帮助避免失明。这些建议是通过使用基于证据的医学原则来帮助医学专业人员（尤其是眼科医生）来识别和治疗DME案件的。主要目标是提供共识建议，并希望减少印度尼西亚DR和DME引起的失明发病率。
