AI 分级模块
AI 在两秒内读取视网膜照片 — 帮助眼科医生在糖尿病眼病造成永久伤害之前检测出来。
Deneye AI 分级模块分析眼底照片，并分配五个国际标准化 DR 严重程度等级之一。这为审查的眼科医生提供了一个立即的、基于证据的起点 — 减少工作量，同时保持完整的临床责任。
AI 从不自主运行。在采取任何临床行动之前，每个等级都由认证眼科医生审查和确认。
数据熟悉之处的安全性。 在模型的保留集和两个 IDRiD 评估集（1,249 张图像）上，没有一个严重或增殖性 DR 病例被分类为 “无 DR”。在具有强域偏移的数据集上，这个边界会下降 — 这是每个 AI 等级由眼科医生审查以及每个新部署站点首先在自己的图像上进行评估的关键原因。
工作原理
从照片到分级结果的三个步骤
1
捕获图像
筛查人员使用任何标准眼底照相机为患者的视网膜拍照。图像上传到 Deneye 平台 — 即使来自没有永久互联网连接的远程位置。
2
AI 在 <2 秒内分级
AI 模型预处理图像并在 5 点国际临床 DR 量表上预测 DR 严重程度等级。结果立即出现在眼科医生的工作列表上。
3
眼科医生确认
认证眼科医生审查图像和 AI 建议。他们确认、调整或覆盖等级。只有经过人工审查后，结果才会传达给患者。
五个 DR 严重程度等级
基于国际临床糖尿病视网膜病变严重程度量表
| 等级 | 名称 | 含义 | 建议随访 |
|---|---|---|---|
| 0 | 无 DR | 视网膜无糖尿病损伤的可见迹象 | 例行年度筛查 |
| 1 | 轻度 NPDR | 早期改变：微动脉瘤（视网膜血管中的小隆起） | 眼科医生复查 |
| 2 | 中度 NPDR | 更广泛的改变：出血、硬渗出、棉絮斑 | 眼科医生复查 |
| 3 | 严重 NPDR | 显著的血管损伤，进展为增殖性 DR 的高风险 | 紧急转诊视网膜专家 |
| 4 | 增殖性 DR | 晚期：脆弱新血管生长，严重视力丧失的高风险 | 紧急转诊治疗（如激光、注射） |
37,368 张图像的独立验证
在来自四个国家的四个独立数据集上测试 — 培训期间未使用任何数据集
DR 分级中的标准性能指标是 二次加权 Kappa (QWK) — 一种将 AI 等级与专家眼科医生等级进行比较的统计方法，对较大分歧给予更重的处罚。范围从 0（不优于随机）到 1.0（完全一致）。在 DR 分级文献中，Kappa 高于 0.80 通常被认为是 “优秀的”。
| 数据集 | 图像 | 国家 | QW Kappa | 相邻准确度 |
|---|---|---|---|---|
| APTOS 2019 (hold-out) | 733 | 印度 | 0.896 | 97.5% |
| IDRiD Training | 413 | 印度 | 0.710 | 90.8% |
| IDRiD Testing | 103 | 印度 | 0.607 | 85.4% |
| Messidor-2 | 1,744 | 法国 | 0.499 | 89.1% |
| EyePACS | 35,108 | 美国 | 0.420 | 87.4% |
| 总计（外部） | 37,368 | 4 个国家 | 0.440 | 87.6% |
APTOS 保留行包括从模型自己的训练数据集中保留的图像；其他四个集合是完全外部的 — 模型从未以任何形式看到过它们。
关于域偏移的说明（Messidor-2 kappa 0.499，EyePACS 0.420）。 该模型在印度视网膜照片（APTOS 2019）上进行了训练。Messidor-2 和 EyePACS 图像来自具有不同照相机、光照条件和患者人口统计数据的法国和美国诊所，分级精度相应下降 — 在这两个数据集上，分别有 2/110 和 111/1,580 的严重或增殖性病例被分级为 “无 DR”。域偏移是 DR AI 文献中有详细记录的挑战。这就是为什么 AI 严格来说是在强制眼科医生审查下的分类辅助工具，以及为什么每个部署站点在临床使用前都要在自己的图像上进行评估。
训练曲线和混淆矩阵
APTOS 2019 训练集（2,929 张图像），20% 保留验证（733 张图像）。最佳 QWK 达到：0.896。
详细的 AI 分级报告可按要求提供。
报告包括所有数据集的完整验证指标、每个数据集的混淆矩阵、等级分布比较和完整的方法论文档。