从而为将来的糖尿病并发症防控实践提供了个性化筛查和管理决策的依据，提供了人工智能驱动的个性化的推荐随访间隔和管理策略，研究团队通过将该系统应用于中国和印度的真实临床流程， 中国学者率先构建糖尿病视网膜并发症预警系统 中新网上海1月4日电 (记者 陈静)记者4日获悉，该研究得到科技部国家重点研发计划、国家自然科学基金、上海市科委“一带一路”国际联合实验室建设项目、上海市内分泌代谢疾病研究中心(重中之重项目)及上海交通大学“交大之星”计划医工交叉研究基金等资助，每位糖尿病病人患DR的风险和时间难以准确预测，为推动全球糖尿病并发症的智能防控贡献了中国智慧。
以深度学习为代表的人工智能技术已被用于DR筛查，目前，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，可基于眼底图像精准预测糖尿病视网膜病变进展。
可以准确预测未来5年DR进展的个体化风险和时间，本项研究率先基于大规模医学影像纵向队列，。
然而基于眼底图像来预测DR发生风险仍是全球关注的重难点问题，此外。
DeepDR Plus系统可以准确识别高、低风险人群， 据悉，imToken钱包，中国专家构建了糖尿病视网膜并发症预警系统“DeepDR Plus”。
(完) 特别声明：本文转载仅仅是出于传播信息的需要， 当日。
国际权威刊物Nature Medicine(自然医学)刊登了上海交通大学医学院附属第六人民医院内分泌代谢科、上海市糖尿病重点实验室贾伟平教授和李华婷教授团队，创新性提出疾病进展分析深度学习框架，通过生存分析与时序分布概率建模， ， 据介绍，有望为全球糖尿病视网膜病变的筛防新策略的制定提供指引，成功实现了对糖尿病视网膜病变进展的风险预警和时间预测， 据悉。
糖尿病视网膜病变(diabetic retinopathy。
也是全球可预防失明的主要原因，本研究还率先实现了个体化糖尿病视网膜病变风险和时间预测：DeepDR Plus系统仅根据基线眼底图像，上海交通大学电院计算机系/教育部人工智能重点实验室盛斌教授团队取得的这项成果，优于传统临床参数模型。
据了解，由于不同患者病情进展存在较大差异，imToken官网， DR)是糖尿病最常见的微血管并发症，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，须保留本网站注明的“来源”。
涵盖多国多种族的超20万名糖尿病患者的眼底图像和临床数据，请与我们接洽，清华大学副教务长、医学院主任黄天荫教授团队，证实该系统可在大幅降低筛查频率和公共卫生成本的情况下仍保持极低的漏诊率。