科学通报 | 王占山/程鑫彬团队联合孙涛团队综述光学成像与AI赋能糖尿病视网膜病变早筛早诊|光学成像|孙涛|早筛|王占山(军事人物)|眼病|科学通报|程鑫彬|糖尿病视网膜病变|血管

近日，同济大学物理科学与工程学院精密光学工程技术研究所王占山教授和程鑫彬教授团队，联合上海市眼病防治中心/同济大学附属眼科医院（筹）孙涛教授团队，在《科学通报》发表了题为“糖尿病视网膜病变光学成像与人工智能评估技术的研究进展”的论文，系统梳理了糖尿病视网膜病变光学成像与人工智能评估技术的研究进展。

糖尿病视网膜病变（diabetic retinopathy, DR）是糖尿病最常见的微血管并发症之一，也是全球工作年龄人群视力损伤和失明的重要原因。由于其早期起病隐匿、进展缓慢，患者往往在视功能明显受损后才被发现。因此，建立高效、精准、可推广的早期筛查与评估体系，对保护糖尿病患者视觉健康具有重要意义。光学成像技术具有非侵入性、高分辨率和信息维度丰富等优势，已成为糖尿病视网膜病变检测的重要技术支撑。随着人工智能的发展，眼底影像评估正逐步从单纯“诊断分级”走向“风险预测”和“个体化管理”。

图1 多模态的光学成像DR影像检测

该综述从“结构成像-功能代谢成像-人工智能评估”三个层面，对糖尿病视网膜病变相关技术进行了系统梳理。在结构成像方面，彩色眼底照相和光学相干断层扫描已广泛用于糖尿病视网膜病变筛查、黄斑水肿评估和临床随访；自适应光学激光扫描检眼镜则可将观察尺度推进至细胞和微血管层面，为揭示早期病理改变提供新工具。在功能代谢成像方面，光学相干断层扫描血管成像、高光谱成像、眼底自发荧光成像和荧光寿命成像等技术，能够从血流灌注、光谱特征和代谢状态等维度捕捉临床前期改变，有望弥补传统结构成像在早期识别方面的不足。在人工智能方面，综述重点讨论了机器学习、深度学习、视网膜血管网络分割、多模态影像融合、基础模型、可解释AI和大型语言模型等前沿方向，指出AI有望从高维眼底影像中挖掘人眼难以察觉的亚临床生物标志物，推动糖尿病视网膜病变评估由“疾病识别”向“进展预测”转变。

图 2 人工智能在DR影像分析中的发展

该综述立足糖尿病视网膜病变早筛早诊和长期管理的临床需求，系统总结了光学成像与人工智能融合发展的关键进展，为构建新一代糖尿病视网膜病变智能检测体系提供了参考。

未来，随着多模态光学成像、眼组学分析和人工智能模型的进一步融合，眼科智能系统有望从单一辅助诊断工具，发展为覆盖“感知-诊断-预后”的全流程疾病管理平台，助力糖尿病视网膜病变的早期发现、精准评估和个体化干预，为保护全民视觉健康提供新的技术路径。

同济大学物理科学与工程学院王绪泉助理教授、上海市眼病防治中心/同济大学附属眼科医院（筹）孙涛教授为论文共同通讯作者。同济大学物理科学与工程学院博士生赵紫昱、同济大学医学院博士生张钊君为论文共同第一作者。对论文具有重要贡献的合作者包括上海市眼病防治中心/同济大学附属眼科医院（筹）王蕾蕾主治医师、徐娜娜主治医师，同济大学物理科学与工程学院博士生马志远、顿雄副教授等。

文章信息

赵紫昱，张钊君，王绪泉，等.糖尿病视网膜病变光学成像与人工智能评估技术的研究进展. 科学通报, 2026, 71 (19): 4537-4557.

《科学通报》是中国科学院主管、中国科学院和国家自然科学基金委员会共同主办的综合性中文学术期刊，致力于快速报道自然科学各学科基础理论和应用研究的最新研究动态、消息、进展, 点评研究动态和学科发展趋势。