上海交大团队开发DeepDKD系统，实现糖尿病肾脏疾病无创筛查与精准分型

上海交通大学盛斌教授团队与清华大学黄天荫教授团队、上海交通大学附属第六人民医院贾伟平和李华婷教授团队，以及新加坡、英国、马来西亚、澳大利亚和中国香港等多地的多学科团队合作，共同开发了一种名为DeepDKD的深度学习系统。这一系统可以通过分析眼底视网膜图像来高效无创地完成糖尿病肾脏疾病（DKD）的筛查和精准鉴别，相关成果已于2025年5月在线发表于权威期刊《Lancet Digital Health》。 DeepDKD的核心功能包括两方面：一是智能筛查DKD，二是在传统依靠病理诊断的基础上，精准鉴别糖尿病肾病（DN）与非糖尿病肾病（NDKD）。传统的DKD筛查方法主要依赖血液和尿液检测，但这些方法存在患者认知度低、尿样变异性高和技术操作复杂的缺点。DeepDKD的问世不仅克服了这些障碍，还为全球超过5亿的糖尿病患者提供了一个新的、无创的、高效的筛诊方案，特别是针对基层医疗和资源匮乏地区的患者更为适用。通过全球大规模多民族队列的70多万张眼底图像分析，验证了系统的鲁棒性和泛化性。结果显示，DeepDKD在筛查DKD方面的灵敏度超过了现有的临床数据模型，且其对DN和NDKD患者的肾脏功能结果（eGFR）差异显著，进一步证明了其在精准区分两种肾病上的有效性。 此外，DeepDKD还具有同步筛查DKD与糖尿病视网膜病变（DR）的能力，只需一次眼底成像即可完成对这两种糖尿病慢性并发症的评估，极大提高了筛查效率，减轻了患者的负担。这项技术的成功开发为糖尿病肾脏病的管理提供了全新的手段，尤其是在基础医疗设施条件有限的地区，有望成为一种常规筛查工具。在精准分型方面，DeepDKD为临床医生提供了更客观、可靠的诊断依据，减少了传统肾脏活检的需求，从而提高了患者的接受度和安全性。 未来，盛斌教授团队将继续推动DeepDKD的临床转化，并致力于实现“一次成像，双病筛查”的诊疗模式。这一模式不仅可以提升糖尿病患者的筛查覆盖率，还能为个体化治疗方案的制定提供支持，例如精准识别NDKD患者以进行更深层次的病因学检查与治疗。从公共卫生的角度来看，这种大规模的人群筛查可以实现DKD的早期诊断和及时干预，延长患者的健康寿命，同时大幅降低医疗系统因此类疾病所带来的经济负担。 业内人士认为，DeepDKD不仅代表了医工交叉领域的最新突破，也为糖尿病肾脏疾病的管理开辟了新路径。上海交通大学作为国内顶尖的研究型大学，在人工智能及其跨学科应用领域拥有深厚的技术积累和创新能力，此次与国内外多家机构的合作，充分展示了该校在解决全球性健康问题上的能力和担当。