糖尿病视网膜病变治疗新突破：非诺贝特降低风险27%，AI系统提升筛查效率
糖尿病视网膜病变治疗新突破：非诺贝特降低风险27%，AI系统提升筛查效率
糖尿病视网膜病变是糖尿病最常见的并发症之一，可导致视力丧失。据估计，全球有超过5亿人患有糖尿病，其中30%-40%的患者会发展成糖尿病视网膜病变，这使得该病成为工作年龄人群失明的主要原因。近期，两项重要研究为糖尿病视网膜病变的预防和筛查带来了新的希望：一项是关于降胆固醇药物非诺贝特的新发现，另一项是DeepDR-LLM智能诊疗系统的开发。
非诺贝特的新突破
非诺贝特是一种常用的降脂药物，属于纤维酸衍生物，主要用于治疗高甘油三酯血症和血脂异常。其作用机制是通过与过氧化物酶体增殖物活化受体（PPARα）反应，调控脂肪酸氧化中酶的基因表达。
近期发表在NEJM Evidence期刊上的LENS临床试验带来了令人振奋的消息。该试验结果显示，使用非诺贝特治疗的患者在四年内因糖尿病视网膜病变或黄斑病变需要转诊接受专科护理或治疗的风险降低了27%。这一发现为进一步预防糖尿病视网膜病变提供了新的可能性。
当前治疗现状
目前，糖尿病视网膜病变的治疗方法主要包括：
早期治疗：通过严格控制血糖水平来延缓病情进展。这通常需要患者与内分泌科医生密切合作，调整饮食、运动和药物治疗方案。
晚期治疗：
- 药物注射：使用血管内皮生长因子抑制剂（如雷珠单抗、阿柏西普等）直接注射到眼内，以阻止新血管生长和减少液体积聚。
- 激光治疗：包括焦点激光治疗和全视网膜光凝，用于封闭渗漏的血管或使异常血管萎缩。
- 玻璃体切除术：通过微小切口清除眼内的血液和瘢痕组织，以恢复视力。
然而，这些治疗方法存在一些局限性。例如，药物注射需要反复进行，可能会引起眼内感染；激光治疗可能会影响周边视力；而手术治疗则存在一定的风险和并发症。此外，这些治疗方法往往只能延缓病情进展，而不能根治疾病。
DeepDR-LLM系统的创新
为了应对糖尿病视网膜病变筛查和管理的挑战，研究人员开发了DeepDR-LLM系统。该系统结合了大语言模型（LLM）和基于图像的深度学习模型（DeepDR-Transformer），旨在为初级保健医生提供全面的辅助工具。
DeepDR-LLM系统具有以下特点：
- 多模态数据融合：同时处理临床数据和眼底图像，提供更全面的诊断信息。
- 个性化建议：根据患者的具体情况生成个性化的糖尿病管理建议。
- 实时筛查：能够快速识别需要转诊的糖尿病视网膜病变患者。
- 医生参与和自动化两种模式：既可以在医生指导下使用，也可以实现全自动化操作。
在实际应用中，DeepDR-LLM系统展现出了显著的优势。在一项回顾性评估中，LLM模块在英语测试中表现与初级保健医生和内分泌学住院医师相当，在中文测试中表现优于初级保健医生且与内分泌学住院医师相当。在识别需要转诊的糖尿病视网膜病变方面，初级保健医生在未使用辅助工具的情况下准确率为81.0%，而在使用DeepDR-Transformer辅助下，准确率提升至92.3%。
未来展望
非诺贝特在糖尿病视网膜病变预防中的新发现，以及DeepDR-LLM系统在筛查效率上的突破，为改善糖尿病视网膜病变的管理带来了新的希望。然而，这些进展也带来了一些挑战。例如，如何将非诺贝特纳入现有的糖尿病治疗指南，以及如何在资源有限的地区推广DeepDR-LLM系统等。
未来的研究方向可能包括：
- 进一步验证非诺贝特在更大规模人群中的效果
- 优化DeepDR-LLM系统的算法，提高其准确性和可靠性
- 探索将这些新技术整合到现有医疗体系中的最佳方式
这些创新不仅有望改善糖尿病视网膜病变患者的预后，还可能为其他糖尿病并发症的管理提供新的思路。