基于智能手机的非接触眼底成像筛查糖尿病视网膜病变

曾依云 董文韬 邓铂林

四川省医学科学院·四川省人民医院眼科（成都 610072）

糖尿病视网膜病变（diabetic retinopathy，DR）是全世界工作年龄人群第一位的致盲性疾病［1］。根据中国的社区调查研究，9.4%～43.1%的糖尿病患者预计有DR，5.2%～6.5%的患者可能有威胁视力的DR［2-5］。DR 严重威胁着糖尿病患者的生存质量。通过定期眼科检查和及时管理，DR 导致的视力丧失和失明基本可以预防［6-7］。若不及时治疗可造成不可逆的视力损害，同时给社会带来严重的经济负担［8-9］。

传统的眼底筛查模式不利于基层医疗机构开展DR 筛查，因为这些检查设备往往价格昂贵或者不便于携带。这可能会随着基于智能手机眼底成像技术的出现而改变。智能手机眼底成像是通过智能手机内置摄像头进行视网膜成像。与传统筛查方法相比，其设备价格低廉、携带方便且易于操作［10-11］。然而目前国内外研究中使用的智能手机眼底成像技术往往依靠附加的外置设备，且通过不同附加设备的成像技术采集到的眼底图像质量和DR 检测的准确性均存在差异。无任何附加外置设备的相关成像技术尚无报道。因此，本研究尝试使用无附加外置设备的智能手机非接触眼底成像技术进行DR 筛查，并与使用双目间接眼底镜筛查的结果进行比较，评估其筛查DR 的敏感性和特异性。

1 资料与方法

1.1 招募参与者2021年4月1日至2021年6月31日于四川省成都市新津区人民医院招募确诊糖尿病的患者，进行散瞳后的眼底筛查。纳入标准：（1）年龄>18 岁；（2）患有2 型糖尿病。糖尿病的诊断通过既往明确的医疗记录或者由内分泌科转诊；（3）愿意接受散瞳后的眼底检查。排除标准：（1）对散瞳眼药水过敏；（2）瞳孔散大的禁忌症，如浅前房；（3）屈光介质混浊影响眼底检查（如严重的白内障，玻璃体积血等）。共纳入糖尿病患者143 例276 眼。其中男51 例97 眼，女92 例179 眼；年龄36～88 岁，平均年龄为（67.6±10.1）岁；糖尿病病程1～30年；平均病程为（12.1±7）年。本研究经四川省人民医院医学伦理委员会批准（伦理编号：伦理（研）2021年第449 号），符合《赫尔辛基宣言》的宗旨。所有参与者均获知情并签署书面知情同意书。

1.2 眼底检查所有参与者接受详细的病史评估和眼科检查。在散瞳检查前，先用裂隙灯检查眼前节，排除浅前房。随后用复方托吡卡胺滴眼液扩张瞳孔。散瞳后使用智能手机（iphone12pro max），Volk+20 D 前置镜，通过Filmic Pro 的应用程序（应用程序来源于苹果应用程序商店）在视频模式下进行眼底检查。检查方法与间接眼底镜类似：一手持前置镜，距离患者眼睛约5 cm。另一手持智能手机，距离患者眼睛约10～15 cm。根据手机屏幕上的视频显示，调整智能手机、前置镜，检查眼之间的相对距离以获取最清晰的眼底图像（图1）。可通过受检者眼球的转动以检测周边眼底。视频录制完成后，使用智能手机中的屏幕截图选项从视频中提取选定的高质量图像，用于DR 的诊断和分期。另一位眼科医生再次使用双目间接检眼镜进行评估。为尽量减少任何可能的偏差，对检查者掩盖了以前临床检查结果。

图1 使用智能手机非接触眼底成像技术进行眼底筛查Fig.1 Noncontact fundus imaging based on smartphone for diabetic retinopathy screening

1.3 DR 的定义与分期根据《我国糖尿病视网膜病变临床诊疗指南（2014年）》［12］对DR 进行诊断和分期。威胁视力的DR（VTDR）定义为重度非增殖性糖尿病视网膜病变（NPDR）或增殖性糖尿病视网膜病变（PDR）［13］。糖尿病性黄斑水肿（DME）定义为黄斑区内毛细血管渗漏致黄斑中心两个视乳头直径内视网膜增厚。分别评估每只眼的眼底图像，并进行分期。

1.4 统计学方法采用SPSS 26.0 进行统计分析。连续数据表示为均值±标准差，分类数据以例表示。以双目间接检眼镜的检查结果为金标准，对使用智能手机非接触眼底成像技术进行DR 诊断的敏感性和特异性进行了计算。利用Kappa（κ）统计数据对两种筛查方式的诊断一致程度进行量化和评估。P<0.05 为差异有统计学意义。

2 结果

2.1 智能手机和间接眼底镜筛查糖尿病患者视网膜分级比较对276 眼使用智能手机非接触眼底成像技术进行DR 筛查的临床诊断结果进行分析，并与使用双目间接检眼镜的诊断结果进行比较。253 眼（91.7%）有一致性：195 眼（70.7%）均未检测到DR；58 眼（21%）被诊断为相同程度的DR。23眼（8.3%）诊断结果不一致：智能手机诊断12 眼（4.3%）为轻度至中度NPDR，间接眼底镜没有诊断为DR；11 眼（4.0%）智能手机诊断为正常，而间接眼底镜诊断为轻度至中度NPDR（表1）。考虑到DME 可能存在于DR 的各个时期，本研究评估了所有诊断为DR 的患者中的DME。在同时被智能手机和间接眼底镜诊断为DR 的58 眼中，5 眼（8.6%）有DME。智能手机和间接眼底镜诊断结果100%一致。

表1 通过智能手机和间接眼底镜筛查糖尿病患者视网膜分级比较Tab.1 Comparison of diabetic retinopathy severity based on smartphone and binocular indirect ophthalmoscope

2.2 智能手机非接触眼底成像技术DR 筛查的准确性以使用间接眼底镜的检查结果作为金标准，使用智能手机非接触眼底成像技术诊断DR 的总敏感性和特异性分别为84.1%和94.2%。假阴性率为15.9%，假阳性率为5.8%。使用智能手机非接触眼底成像技术诊断DR 和使用间接检眼镜的诊断结果在敏感性和特异性上没有差异（P<0.05）。两种筛查模式下DR 的不同等级见表2。

表2 智能手机和间接眼底镜筛查DR 的敏感性和特异性比较以及一致性分析Tab.2 Comparison of sensitivity，specificity and consistency between smartphone and binocular indirect ophthalmoscope in screening diabetic retinopathy

3 讨论

本研究为国内外首次使用无附加设备的基于智能手机非接触眼底成像技术进行DR 筛查的报道。TAN 等［14］研究表明，大部分基于智能手机眼底成像技术所采集的图像都超过了英国国家卫生局要求的DR 视网膜成像设备的最低分辨率为600 万像素或每视网膜度数30 像素的要求［15］。然而几乎所有使用智能手机进行DR 筛查的研究都使用了外置设备来辅助眼底成像，如Peek Retina，D⁃EYE、Do⁃it⁃yourself 以及Paxos 适配器、EyeGo 适配器等。前三种设备是配合智能手机摄像头直接成像；Paxos、EyeGo 适配器类似于手机支架，一端连接Volk +20 D 前置镜，一端固定智能手机，通过手机摄像头间接成像。WINTERGERST 等［11］认为基于不同外置设备的智能手机眼底成像技术在DR 检测的敏感性和特异性不同，采集到的眼底图像质量也存在显著差异。间接成像的眼底成像技术在检测DR 时采集的图像质量、视野以及诊断准确性都明显优于直接成像的眼底成像技术。既往研究表明［11，16］，基于间接成像的智能手机眼底成像技术，检测DR 的敏感性为50%～79%，特异性为94%～99%；检测威胁视力DR 的敏感性为59%～100%，特异性为100%。本研究中使用的基于间接成像的智能手机眼底成像技术，检测DR 的敏感性和特异性分别是84.1%和94.2%；对威胁视力DR 的敏感性和特异性均为100%。本研究的DR筛查准确性优于之前的研究，推测可能的原因是：（1）使用智能手机的型号。本研究使用的智能手机是iphone12 pro max，之前研究使用的智能手机是iphone5 和iphone5s。随着技术的进步，智能手机摄像性能逐步优化，成像质量会更好，而眼底图像质量是影响筛查结果的重要因素［17］；（2）操作技巧。为了提高眼底筛查的准确性，本研究中负责采集图像的都是具有丰富DR 筛查经验的眼科医生，能够熟练使用间接眼底镜进行眼底检查。其他研究中，部分眼底检查是由经过培训的验光师进行的［11］。由于智能手机非接触眼底成像技术操作类似于间接检眼镜，眼科医生将更容易应用这一熟练技能，准确性亦会随之提高［18］。

本研究在检查过程中没有观察到受检者有不良反应的发生，表明智能手机非接触眼底成像技术是相对安全的。KIM 等［19］模拟在常规眼底镜检查的条件下，将基于智能手机的眼底成像技术在检查过程中产生的光谱辐照度与间接检眼镜（Keeler Vantage Plus LED）检查过程中产生的光谱辐照度进行比较。结果表明两者均在国际标准化组织规定的眼科仪器热和光化学危险的安全限值范围内，间接检眼镜产生的视网膜辐照度约为智能手机观察到的水平的10 倍。侧面反映智能手机摄像头光源的亮度低于间接眼底镜，受试者感觉会更舒适。

本研究存在一定的局限性：（1）样本量有限；（2）尚未对智能手机眼底成像技术在检测DR 时采集的操作时间、图像质量及视野进行分析。需要进一步的临床研究加以完善。尽管如此，本研究初步证实了使用基于间接成像的智能手机非接触眼底成像技术筛查DR 具有较高的敏感性和特异性。智能手机具有高分辨率摄像头、强大的计算机处理和通讯网络，可实现图像快速捕获及传送，方便远程会诊，协助诊治［20-21］。与传统的DR 筛查设备相比，其成本更低，可以显著降低DR 筛查的财务负担，提高医疗资源匮乏地区DR 筛查的覆盖率。随着智能手机摄像技术的持续改进、附加光学设备的简化以及人工智能自动识别DR 软件的开发，将有助进一步于缩小巨大的DR 筛查需求与有限的医疗资源之间的差距［22-24］。相信未来这项技术能够在我国DR 筛查中发挥巨大的优势。