上海交通大学计算机学院人工智能教育部重点实验室盛斌教授团队与清华大学副教务长、医学院院长黄天荫教授团队医工交叉联合攻关，携手上海交通大学主动健康战略与发展研究院/医学院附属第六人民医院贾伟平和李华婷教授团队、及新加坡、英国、马来西亚、澳大利亚及中国香港等多地多学科团队，在权威期刊Lancet Digital Health发表题为“Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study”的科研成果，创建基于眼底视网膜图像的糖尿病肾脏疾病智能筛诊深度学习系统—DeepDKD。本系统可通过眼底图像高效无创地实现两大核心临床任务：智能筛查糖尿病肾脏疾病（DKD）、精准鉴别传统依赖病理诊断的糖尿病肾病（DN）与非糖尿病肾病（NDKD）。这一创新性技术突破了DKD传统筛查对血液和尿液检测的依赖，同时有效解决了肾脏穿刺活检在DN和NDKD鉴别诊断中的有创性和复杂性难题，为全球超5亿糖尿病患者提供了无创、高效、可及的筛诊方案，尤其为基层医疗和资源匮乏地区带来福音。

图1. DeepDKD系统研究成果2025年5月在线发表于Lancet Digital Health

糖尿病肾脏疾病—全球公共卫生的严峻挑战

DKD作为糖尿病重要的慢性微血管并发症，是导致终末期肾病的主要原因之一，对全球健康和社会经济造成了重大负担。全球约40%的糖尿病患者面临DKD风险，其发病率与病程延长、血糖控制不佳及人口老龄化密切相关。据相关研究，2021年全球DKD相关伤残调整寿命年（DALYs）已超过1515万，预计到2030年将增至1900万，成为中等社会人口学指数（SDI）国家的主要健康负担。DKD不仅是导致肾衰竭的主要原因，还与心血管疾病死亡率显著升高相关，形成“糖尿病-肾病-心血管事件”的恶性循环。

当前DKD筛查主要依赖于估算的肾小球滤过率（eGFR）和尿微量白蛋白肌酐比（ACR）检测，但在全球范围内面临以下挑战：一是糖尿病患者认知度偏低。DKD早期临床表现隐匿，往往不容易被患者察觉。二是尿液ACR变异性偏高，虽然尿液样本具有采集简单且无创性的优点，但白蛋白尿的生物变异性可高达20-50%，这也增加了DKD筛查的复杂性。三是存在病理分型鉴别诊断瓶颈。研究表明，33%-72.5%的糖尿病患者合并存在NDKD，虽然肾脏穿刺活检是诊断金标准，但其由于存在侵入性、潜在并发症和高昂费用等问题导致患者接受度低。此外，DN的治疗原则不因肾脏穿刺活检的结果而改变，因此并非所有DKD患者都需要进行肾脏穿刺活检。

本研究聚焦两大核心目标：一是通过研发基于视网膜图像的DeepDKD智能筛诊系统，利用全球普及的眼科检查设备实现DKD的高效筛查，突破实验室依赖限制。二是探索构建DN和NDKD鉴别诊断新方法，构建高精度无创鉴别模型，为临床决策提供个体化解决方案。

AI方法实现无创早期筛查与精准分型

如何通过无创手段实现“早期筛查+精准分型”，成为突破糖尿病肾脏疾病管理瓶颈的关键。研究团队敏锐地捕捉到：视网膜作为全身唯一可直接观察的微血管系统，其病变与肾脏微血管损伤高度相关。团队研制的DeepDKD系统以视网膜眼底图像为输入，通过构建大规模弱监督动量对比学习方法，提取可迁移的视网膜图像特征，成功实现了DKD分期的智能识别，以及对DN与NDKD的精准鉴别。通过对DeepDKD系统纳入的中国、新加坡、英国、马来西亚、澳大利亚等超过70万张眼底图像的多种族队列进行分析，验证了该算法在不同人种中的鲁棒性和泛化性。进一步将DeepDKD纳入前瞻性真实世界研究中，结果显示，与临床数据模型相比，DeepDKD 在筛查DKD方面实现了更高的灵敏性；此外，DeepDKD识别的DN和NDKD患者在为期4.6年的随访后，肾功能结局（eGFR）存在显著差异，这表明DeepDKD系统能够实现DN和NDKD的精准区分，和临床诊疗流程的结合能促进糖尿病肾脏疾病的精准防控，改善糖尿病相关肾功能损伤进展的结局。

图2. DeepDKD系统研制概览图

医工交叉成果有望纳入糖尿病肾脏疾病基层筛防流程

基于视网膜图像的深度学习系统DeepDKD，通过突破性技术创新和多中心临床验证，成功构建了涵盖筛查、诊断、分型于一体的诊疗体系，推动DKD管理迈入“无创化、精准化、普惠化”的新阶段。DeepDKD首次实现糖尿病视网膜病变（DR）与DKD的同步筛查，通过单次眼底成像即可完成糖尿病两项慢性并发症的评估，契合基层医疗需求，展现出独特优势。作为精准分型的新工具，DeepDKD有效解决了“金标准”传统肾活检在临床实践中的局限性，提供的无创性鉴别诊断方案可减少有创操作，有望为基层医院提供符合伦理与操作规范的诊治方案。

展望：AI创新赋能糖尿病肾脏疾病早期筛诊临床应用

随着人工智能技术的不断创新与持续进步，DeepDKD技术有望在未来赋能基层医疗机构的糖尿病防治。首先，在筛查模式上，DeepDKD可与糖尿病视网膜AI系统实现技术融合，有望实现“一次成像，双病筛查”的全新诊疗范式。其次，在精准医疗方面，该技术能为内分泌科和肾内科医生提供客观、可靠的分型诊断依据，有助于个体化治疗方案的制定，例如可精准识别NDKD患者，指导其进行针对性的病因学检查与治疗。第三，在公共卫生层面，基于该技术的大规模人群筛查将实现DKD的早期诊断和干预，可延缓患者进展至终末期肾病，大幅减轻医疗系统负担。未来，团队将持续推进DeepDKD的临床转化工作，努力探索一个“无创、精准、可及”的DKD管理新时代，让眼底影像中蕴含的“微血管密码”成为守护全球数亿糖尿病患者肾脏健康的“钥匙”。

作者信息

黄天荫教授、盛斌教授、李华婷教授为本文共同通讯作者。上海交通大学计算机学院博士生孟子尧（导师盛斌教授）、医学院博士生管洲榆（导师贾伟平教授）、硕士生于淑洁（导师李华婷教授）、清华大学医学院博士生吴漪澜、赵曜凝（导师黄天荫教授）以及上海交通大学医学院附属第六人民医院沈洁医生等为本文共同第一作者。本工作还得到了来自国家基层糖尿病防治管理办公室、华中科技大学、中国医学科学院北京协和医学院、香港中文大学等多个机构及专家团队的支持和帮助。此外，英国、美国、新加坡、澳大利亚及马来西亚等国的多学科专家团队给予了帮助和支持。该研究得到科技部国家重点研发计划、国家自然科学基金、北京市自然科学基金和上海市科委“一带一路”国际联合实验室建设项目等资助。DeepDKD系统研发所需算力资源得到上海交通大学“交我算”计算平台和上海交通大学AI for Science科学数据开源开放平台的支持。

论文链接：https://pubmed.ncbi.nlm.nih.gov/40312169/