Kan AI förutsäga diabetesprogression med hjälp av näthinneavbildningsdata ?

Diabetisk retinopati är en välkänd komplikation av diabetes, men förändringar i näthinnan kan också spegla en mer omfattande metabolisk dysfunktion. AI-modeller som analyserar näthinnescanningar skulle kunna upptäcka tidiga tecken på diabetesprogression innan kliniska symtom uppstår. Detta icke-invasiva tillvägagångssätt skulle kunna möjliggöra proaktiv hantering av sjukdomen.

Nuvarande AI-system kan analysera näthinnebilder för att förutsäga debut och progression av diabetes med kliniskt användbar noggrannhet. Modeller såsom faltningsnätverk (CNN:er) som tränats på stora datamängder som UK Biobank och EyePACS kan upptäcka diabetisk retinopati och uppskatta relaterade risker som framtida synförlust eller kardiovaskulära händelser. Dessa system uppnår ofta area-under-the-curve (AUC)-mått över 0,85 för att förutsäga progression av diabetisk retinopati under 1–2 år, även om prestandan varierar beroende på population och bildkvalitet. Integration i kliniska arbetsflöden begränsas fortfarande av datastandardisering, regulatoriska godkännanden och behovet av longitudinell validering.

— Uppdaterad 12 maj 2026 · Källa: Nature Medicine — https://www.nature.com/articles/s41591-023-02325-3