白皮书人工智能如何加强和加速糖尿病视网

糖尿病视网膜病变（DR）是一种严重的眼病，与长期的糖尿病有关，可导致视网膜的渐进性损害，最终导致失明。该病在发展到晚期时才表现出明显的症状；然而，如果能在早期发现DR，使用激光治疗可以预防视力损害。

现有的DR筛选过程由于缺乏训练有素的临床医生而受到阻碍。此外，筛选过程非常耗时。延迟交付结果可能会导致后续随访的缺失、沟通失误、错过或推迟治疗——所有这些都可能增加失明的可能性。

美国加州卫生保健基金会最近发现，在由普通医生转诊给专科医生的患者中，只有23%的人咨询眼科医生。在其余的人中，15%的人不知道这种疾病，另外15%的人没有预约进行筛查，22%的人没有赴约，25%的人选择不接受治疗。

基于这些统计数据，人们认为需要一种自动化的DR检测系统，该系统可以输入彩色眼底摄影的视网膜图像，自信地提供快速的DR分类，并在需要时将患者转给专科医生。这将使处理DR病例的医生能够有效利用他们的时间，从而及时治疗更多的DR患者。

美国高知特公司的DR自动检测系统解决方案使用了机器学习技术，如卷积神经网络（CNN）——对视觉影像进行分析和分类。他们的方法是模仿临床医生，在咨询医生之前使用筛查时的眼底图像来评估DR发病情况。

这份白皮书记录了他们开发的这种基于人工智能的糖尿病视网膜病变诊断工具的历程，使临床医生能够识别DR症状。白皮书还探讨了在构建诊断解决方案和应用CNN模型进行DR识别方面所面临的挑战。白皮书总结了DR解决方案的主要优点和未来路线图。

如需要美国高知特公司的技术白皮书《人工智能如何加强和加速糖尿病视网膜病变的检测》（英文，共16页），请在本