生物医学研究的显著进步已经产生了大量的数据。使用人工智能，人们可以在更短的时间内从大量数据中提取有意义的信息，而很少受到人为的干扰。
增殖性糖尿病视网膜病变和糖尿病*斑水肿是两种威胁视力的糖尿病视网膜病变。对这些并发症进行筛查和及时治疗已被证明可以减少这些并发症造成的失明，减少这类并发症的服务在英国已经开展得很好，并取得了相当好的效果。在英格兰和威尔士，由全科医生诊断出的糖尿病患者会记录在“糖尿病登记”中，糖尿病视网膜病变筛查服务邀请每位患者每年使用标准摄像机进行视网膜筛查。图像由训练有素的人员进行系统地评分，如果需要，图像还可以进行共同评判和仲裁。对于糖尿病视网膜病变的每个严重程度级别，复查和转诊路径也有明确的最低标准。
在低收入和中等收入国家复制这些系统性糖尿病视网膜病变筛查项目的尝试，尚未取得成功。这些国家面临着诸多挑战。首先，糖尿病患者和未确诊糖尿病患者的绝对数量明显高于英国。例如，在英国，每年只需要对大约万糖尿病患者进行视力威胁并发症筛查。相比之下，仅印度就有多万糖尿病患者，还有相当数量的前驱糖尿病患者或未确诊糖尿病患者。大多数低收入和中等收入国家的初级保健基础还很薄弱，还处于起步阶段。标准的视网膜摄像机太贵，也没有患者电子病历来建立糖尿病登记簿，最重要的是，缺乏受过训练的人员来判读视网膜图像并对其进行分级和治疗。从亚太地区的角度来看，目前让训练有素的医疗保健机构对数亿人进行筛查，既不现实，也不经济。
因此，目前迫切需要制定至少可覆盖大多数糖尿病患者的、具有较好成本效益的临床筛查和治疗方法，而深度学习具有从视网膜图像中筛查糖尿病视网膜病变的巨大优势，可提高对糖尿病视网膜病变和疾病危险因素的识别，具有较高的准确性和可靠性。本文旨在比较目前各种深度学习模式在糖尿病视网膜病变诊断中的应用和证据。
如需要《基于眼底图像的深度学习算法在糖尿病视网膜病变检测中的应用》（英文，共14页），请在本