AI辅助检测早期糖尿病角膜病变中的角膜神经结构异常：深度学习框架的开发与验证

为什么眼睛里微小的神经在糖尿病中很重要

众所周知，糖尿病会损害足部和腿部的大型神经，常导致疼痛、麻木，甚至截肢。但在这些明显损伤出现之前，体内最细小的神经就可能开始出现功能障碍。位于眼前部的透明窗口——角膜，密布着这些微细神经纤维。本研究展示了先进影像技术与人工智能（AI）如何协同工作，以发现角膜中早期的神经损伤，可能提供一种新的、无痛的方法，在糖尿病患者出现严重并发症前就检测到神经问题。

通过眼睛观察早期神经损伤

目前用于检测糖尿病神经损伤的检测试验远非完美。简单的床旁检查依赖医生的技能和患者的反应，常常漏检细微的早期改变。更精确的检测，如神经传导研究或皮肤活检，具有侵入性、费用高且不适合常规筛查。然而可以使用体内共焦显微镜对角膜进行无创检查，这是一种能捕捉到角膜神经高度放大图像的专用相机。研究人员已证明，角膜神经总体丧失程度与糖尿病神经病变的严重程度相关。但最早的警示信号往往并非神经数量的减少；它们可能是沿着原本完整纤维出现的微小结构缺陷。

聚焦名为“微神经瘤”的微小热区

近年来，使用高倍显微镜的医生注意到糖尿病患者角膜神经沿线出现小而亮的肿胀点。这些“微神经瘤”被认为反映了受压或再生的神经末梢，可能在大范围神经丧失之前出现。该研究团队旨在训练计算机自动识别这些细微特征。他们在中国两个眼科中心收集了5000多张来自糖尿病患者和健康志愿者的角膜图像。经验丰富的角膜专家仔细筛除了低质量图像，标注了微神经瘤出现的位置，并将其按三种可见模式分类：局部肿胀、较大球形增大和更弥漫的亮斑。

训练一个能解读神经图像的AI助手

利用这些专家标注的图像，研究人员构建了一个多步骤的深度学习系统。首先，一个AI模型筛除模糊或离靶的图像，只保留清晰显示关键神经层的图像。第二个模型判断给定图像中是否存在微神经瘤。第三个模型勾画出这些病变出现的精确区域，随后三个附加模型将其分类为三种视觉类型。该系统在一家医院的数据上训练，然后在同一中心的未见图像以及另一家医院的完全独立数据集上进行测试，以检验其在不同患者群体和成像条件下的稳定性。

AI在实践中的表现如何

AI在基本质量控制上表现非常准确，可正确判断可用图像超过97%的时间。在判断图像中是否存在微神经瘤时，它在内部和外部测试集上的分类准确率约为81–84%。其对病变的分割和亚型分类能力也很强，即使在第二中心的数据上性能仍相对较高。为了评估这在实际阅片中的意义，团队让受训较少的初级眼科医生先单独阅读一组150张图像，然后在AI辅助下再次阅读。有了AI指导，他们的诊断准确率从约69%提升到88%，平均每张图像的阅读时间也减少了一半以上，表明此类工具可加快门诊流程并减轻医生的视觉疲劳。

这对糖尿病患者可能意味着什么

本研究表明，经过精心训练的AI系统可以自动发现并描述角膜中的微小神经异常，而且这种方法能显著帮助经验不足的医生解读复杂的眼部扫描。尽管该研究仍处于早期，并基于来自两家中心的回顾性数据，但它强化了这样一种观点：眼表可以作为观测全身小神经健康的“窗口”。如果未来的多中心、长期研究证实角膜微神经瘤能可靠地提示早期糖尿病神经损伤，这类AI辅助影像检测可能成为一种快速、无创的糖尿病患者筛查手段，用以追踪病情进展，并可能在神经损伤变为不可逆之前进行干预。

引用: Pan, J., Shi, X., Wan, L. et al. AI-Assisted detection of corneal nerve structural abnormalities in early diabetic keratopathy: development and validation of a deep learning framework. Sci Rep 16, 5846 (2026). https://doi.org/10.1038/s41598-026-36576-1

关键词: 糖尿病性神经病变, 角膜神经, 微神经瘤, 深度学习, 体内共焦显微镜