根据 2 月 8 日在线发表在《医学会杂志眼科》杂志上的一项研究，自动化机器学习模型可能有助于根据超宽视场视网膜图像识别有糖尿病视网膜病变 (DR) 进展风险的眼睛 。

波士顿哈佛大学的 Paolo S. Silva 医学博士及其同事评估了使用超宽视场视网膜图像的自动化机器学习模型是否可以预测 DR 进展。该分析包括 1,179 张未识别的超宽视场视网膜图像，这些图像具有轻度或中度非增殖性 DR (NPDR)，并进行了三年的纵向随访。

研究人员发现，基线轻度 NPDR 模型的精确回忆曲线下面积为 0.717，中度 NPDR 模型的精确回忆曲线下面积为 0.863。在验证集中，对于轻度 NPDR 眼睛，敏感性为 0.72、特异性为 0.63、准确度为 .3%，而对于中度 NPDR 眼睛，性能分别为 0.80、0.72 和 73.8%。验证集确定了 9 只眼睛中的 6 只(75%)患有轻度 NPDR，41 只眼睛中的 35 只(85%)患有中度 NPDR，并且进展了两步或更多。该模型识别出所有四只眼睛均患有轻度 NPDR，且在六个月和一年内出现进展;九只眼睛中的八只 (89%) 患有中度 NPDR，在六个月内出现进展;20 只眼睛中，有 17 只 (85%) 在一年内出现进展。

作者写道：“机器学习算法的使用可能会改善疾病进展的风险，并识别出短期风险最高的人群，从而降低成本并改善与视力相关的结果。”