Effectiveness of an AI-powered Ophthalmic Telemedicine Diagnostic Platform in Community Eye Health Screening

doi:10.12114/j.issn.1007-9572.2026.0121

Abstract

Abstract:

Background

AI-based eye health screening holds great potential for community application. However, its real-world implementation performance, coverage capacity, and overall impact on chronic disease management require systematic evaluation.

Objective

To evaluate the effectiveness of an AI-based ophthalmic telemedicine diagnostic platform in community eye health screening and to explore its value for broader implementation and adoption.

Methods

A quasi-experimental study design was adopted. Eye health screening was conducted in 2025 among residents with chronic diseases or at high risk in Baiyun Street Community, Yuexiu District, Guangzhou. The screening employed an AI-powered ophthalmic telemedicine diagnostic platform with an "AI initial screening + ophthalmologist verification" model and a "general practitioner-specialist co-management" approach. The first follow-up was scheduled at 6 months after the initial screening. Evaluation metrics included the positive detection rate of ocular diseases, referral rate, AI diagnostic performance, and changes in biochemical indicators. The review diagnosis by three ophthalmologists served as the gold standard. A cross-sectional survey on satisfaction was conducted using a self-designed questionnaire among 200 randomly selected participants.

Results

A total of 1 343 individuals were screened, accounting for 45.3% of the target chronic disease or high-risk population in the community (target population: 2 965 individuals). The positive detection rate of ocular diseases was 64.93% (872/1 343) for the right eye and 63.66% (855/1 343) for the left eye. The referral rate during the study period was 0.67% (9/1 343). The screening results showed that the main abnormalities in the fundus were cataracts and leopard print fundus, accounting for about 30%. AI diagnostic performance evaluation: The gradable rate was 92.55% (1 243/1 343) for AI, which was broadly comparable to the 93.52% (1 256/1 343) achieved by ophthalmologist review. The AI abnormality detection rate was 44.53% (598/1 343), versus 59.20% (795/1 343) for the ophthalmologist review, suggesting that the AI adopted a relatively conservative strategy for abnormality detection. The overall diagnostic agreement rate of AI was 89.5% (95%CI=87.6%-91.2%), with a sensitivity of 83.7%, a specificity of 96.1%, and an AUC of 0.899. A total of 100 individuals were classified by AI as "ungradable"; among these, 96.0% (96/100) were confirmed as abnormal by the ophthalmologist review, indicating that such results should be prioritized as positive for referral. The overall consistency (Kappa coefficient) between AI and ophthalmologists for all fundus images was 0.925 (P<0.001). The proportion of ungradable images determined by AI was 7.45% (100/1 343), higher than that determined by ophthalmologists [6.48% (87/1 343)] (χ²=13.00, P<0.001). At the 6-month follow-up, the levels of glycated hemoglobin (HbA_1c), fasting blood glucose (FPG), total cholesterol (TC), and triglycerides (TG) in the screened population decreased compared to baseline (P<0.05). The overall satisfaction rate was 92.50% (185/200).

Conclusion

The AI-based ophthalmic telemedicine diagnostic platform demonstrates high screening efficiency and diagnostic accuracy. This platform enables comprehensive community-based eye health coverage, addresses the primary-care management of certain ophthalmic conditions, facilitates the implementation of tiered healthcare delivery, and may help reduce unnecessary referrals. Furthermore, it enables dynamic monitoring of chronic disease management outcomes, thereby demonstrating substantial potential for broader application and scalability.

Key words: Eye health screening, Eye diseases, Artificial intelligence, Telemedicine, Diabetic retinopathy, Community health services, General practitioner-specialist collaborative care

摘要：

背景

人工智能眼科筛查在社区的应用潜力巨大，但其真实世界的实施效果、覆盖能力及对慢性病管理的综合影响尚需系统评价。

目的

评价人工智能眼科远程医疗诊断平台在社区眼健康筛查中的应用效果，探讨其推广应用价值。

方法

采用类实验研究设计，于2025年对广州市越秀区白云街社区慢性病及高风险人群进行眼健康筛查。依托人工智能眼科远程诊断平台，采用"人工智能初筛+眼科医师复核"模式及"全-专共管"诊疗模式，初筛后6个月进行首次随访。评价指标包括眼病阳性检出率、转诊率、人工智能诊断性能、生化指标变化。以3名眼科医师复核诊断为"金标准"。采用自编问卷，随机抽取200名受检者对人工智能远程眼科筛查服务满意度进行横断面调查。

结果

共筛查1 343人，覆盖社区目标慢性病及高风险人群总数的45.30%（目标人群总数为2 965人）。眼病阳性检出率：右眼64.93%（872/1 343），左眼63.66%（855/1 343）。研究期间转诊率为0.67%（9/1 343）。筛查结果：眼底异常以白内障和豹纹状眼底为主，约占30%。人工智能诊断性能评价：人工智能判读明确率为92.55%（1 243/1 343），与眼科医师复核的93.52%（1 256/1 343）基本相当；人工智能异常检出率为44.53%（598/1 343），眼科医师复核异常检出率为59.20%（795/1 343），人工智能异常检出策略偏于保守。人工智能总体诊断准确率为89.5%（95%CI=87.6%~91.2%），灵敏度为83.7%、特异度96.1%、受试者工作特征曲线下面积（AUC）为0.899。人工智能判读为不可分级的有100人，经眼科医师复核确认有96.0%（96/100）为异常，提示此类结果应优先按转诊阳性处理。人工智能与眼科医师对所有眼底图像判读的整体一致性Kappa系数为0.925（P<0.001）。人工智能判定不可分级图像比例占7.45%（100/1 343），高于眼科医师判定不可分级图像比例[6.48%（87/1 343）]（χ²=13.00，P<0.001）。6个月随访时筛查人群的糖化血红蛋白（HbA_1c）、空腹血糖（FPG）、总胆固醇（TC）和甘油三酯（TG）水平均较基线下降（P<0.05）。整体满意度为92.50%（185/200）。

结论

人工智能眼科远程医疗诊断平台具有较高的筛查效率和诊断准确率。该平台可实现社区眼健康全覆盖，解决部分眼科疾病的基层诊疗问题，促进分级诊疗，显著降低非必要转诊，并可动态监测慢性病管理效果，具有良好推广应用前景。

关键词: 眼健康筛查, 眼疾病, 人工智能, 远程医疗, 糖尿病视网膜病变, 社区卫生服务, 全专联合门诊

XIE Yuanling,CHENG Li,LONG Xiangyu, et al. Effectiveness of an AI-powered Ophthalmic Telemedicine Diagnostic Platform in Community Eye Health Screening[J]. Chinese General Practice, 2026, 29(31): 4641-4649. DOI: 10.12114/j.issn.1007-9572.2026.0121.
谢远玲,程丽,龙湘玉等. 人工智能眼科远程医疗诊断平台在社区眼健康筛查中的应用效果研究[J]. 中国全科医学, 2026, 29(31): 4641-4649. DOI: 10.12114/j.issn.1007-9572.2026.0121.

Figures/Tables 6

References 36

[1]	Xu T, Wang B, Liu H, et al. Prevalence and causes of vision loss in China from 1990 to 2019: findings from the Global Burden of Disease Study 2019[J]. Lancet Public Health, 2020, 5(12): e682-e691. DOI: 10.1016/S2468-2667(20)30254-1.
[2]	Flaxman S R, Bourne R R A, Resnikoff S, et al. Global causes of blindness and distance vision impairment 1990-2020: a systematic review and meta-analysis[J]. Lancet Glob Health, 2017, 5(12): e1221-e1234. DOI: 10.1016/S2214-109X(17)30393-5.
[3]	中华医学会眼科学分会眼底病学组，中国医师协会眼科医师分会眼底病学组. 我国糖尿病视网膜病变临床诊疗指南(2022年):基于循证医学修订[J]. 中华眼底病杂志, 2023, 39(2): 99-124.
[4]	国家卫生健康委员会. 国家卫生健康委关于印发"十四五"全国眼健康规划(2021—2025年)的通知[A/OL]. (2023-09-25)[2026-04-20].
[5]	Gulshan V, Rajan R P, Widner K, et al. Performance of a deep-learning algorithm vs manual grading for detecting diabetic retinopathy in India[J]. JAMA Ophthalmology, 2019, 137(9): 987-993. DOI: 10.1001/jamaophthalmol.2019.2004.
[6]	Ting D S W, Cheung C Y, Lim G, et al. Development and validation of a deep learning system for diabetic retinopathy and related eye diseases using retinal images from multiethnic populations with diabetes[J]. JAMA, 2017, 318(22): 2211-2223. DOI: 10.1001/jama.2017.18152.
[7]	国家卫生健康委员会. 关于进一步完善预约诊疗制度加强智慧医院建设的通知[A/OL]. (2020-05-21)[2026-04-20].
[8]	Grzybowski A, Brona P, Lim G, et al. Artificial intelligence for diabetic retinopathy screening: a review[J]. Eye, 2020, 34(3): 451-460. DOI: 10.1038/s41433-019-0566-0.
[9]	彭雅君，徐艺，林森林，等. 人工智能技术辅助的基层视觉健康管理模式探索与实践[J]. 中华预防医学杂志, 2023, 57(1): 125-130. DOI: 10.3760/cma.j.cn112150-20220302-00198.
[10]	张程远，吴俞婷，彭雅君，等. 上海市社区视觉健康服务评价指标体系的构建[J]. 上海预防医学, 2025, 37(3): 282-287. DOI: 10.19428/j.cnki.sjpm.2025.24546.
[11]	中华预防医学会公共卫生眼科学分会. 中国糖尿病视网膜病变远程医疗专家共识(2023年)[J]. 中华眼科杂志, 2023, 59(11): 870-879. DOI: 10.3760/cma.j.cn112142-20230301-00074.
[12]	NHS Diabetic Eye Screening Programme. Diabetic eye screening: guidance on fundus image quality and when adequate images cannot be taken[EB/OL]. (2026-03-11)[2026-07-23].
[13]	中华医学会眼科学分会眼底病学组，中国医师协会眼科医师分会眼底病学组. 中国年龄相关性黄斑变性临床诊疗指南(2023年)[J]. 中华眼科杂志, 2023, 59(5): 347-366. DOI: 10.3760/cma.j.cn112142-20221222-00649.
[14]	Wilkinson C P, Ferris F L, Klein R E, et al. Proposed international clinical diabetic retinopathy and diabetic macular edema disease severity scales[J]. Ophthalmology, 2003, 110(9): 1677-1682.
[15]	李凤鸣. 眼科全书[M]. 北京: 人民卫生出版社, 1996.
[16]	World Health Organization. World report on vision[R]. Geneva: WHO, 2019.
[17]	GB/T　11533—2011标准对数视力表[S].
[18]	王宁利，葛坚，余敏斌，等. 中国青光眼指南(2020年)[J]. 中华眼科杂志, 2020, 56(8): 573-586. DOI: 10.3760/cma.j.cn112142-20200313-00182.
[19]	中华医学会糖尿病学分会. 中国糖尿病防治指南(2024版)[J]. 中华糖尿病杂志, 2025, 17(1): 16-139.
[20]	中国高血压防治指南修订委员会，高血压联盟，中国医疗保健国际交流促进会高血压分会，等. 中国高血压防治指南(2024年修订版)[J]. 中华高血压杂志(中英文), 2024, 32(7): 603-700.
[21]	中国血脂管理指南修订联合专家委员会. 中国血脂管理指南(基层版2024年)[J]. 中华心血管病杂志, 2024, 52(4): 330-337. DOI: 10.3760/cma.j.cn112148-20240102-00002.
[22]	Scanlon P H. The English national screening programme for diabetic retinopathy 2003-2016[J]. Acta Diabetol, 2017, 54(6): 515-525. DOI: 10.1007/s00592-017-0974-1.
[23]	Zhou Y, Li X, Sun Q, et al. Adherence to annual fundus exams among Chinese population with diagnosed diabetes[J]. Journal of Clinical Medicine, 2022, 11(22): 6859. DOI: 10.3390/jcm11226859.
[24]	Yao L, Cao C Y, Yu G X, et al. Screening and evaluation of diabetic retinopathy via a deep learning network model: a prospective study[J]. World J Diabetes, 2024, 15(12): 2302-2310. DOI: 10.4239/wjd.v15.i12.2302.
[25]	Yang W H, Zheng B, Wu M N, et al. An evaluation system of fundus photograph-based intelligent diagnostic technology for diabetic retinopathy and applicability for research[J]. Diabetes Ther, 2019, 10(5): 1811-1822. DOI: 10.1007/s13300-019-0652-0.
[26]	何俊俊，孟祥健，程锦瀚，等. 慧眼糖网人工智能阅片联合免扩瞳眼底照相在非增殖期糖尿病视网膜病变中的应用价值[J]. 皖南医学院学报, 2025, 44(6): 529-532. DOI: 10.3969/j.issn.1002-0217.2025.06.005.
[27]	Hosmer D W, Lemeshow S. Applied logistic regression[M]. New York: John Wiley & Sons, 2000.
[28]	高文学，钱明平，杨佳芳，等. 社区医院中老年人群眼病快速筛查转诊实践[J]. 解放军医院管理杂志, 2021, 28(8): 752-754. DOI: 10.16770/J.cnki.1008-9985.2021.08.019.
[29]	Sharma A, Hussain R, Learoyd A E, et al. Teleophthalmology versus standard of care for community optometry referrals of retinal disease (HERMES): a cluster randomised controlled trial with linked prospective diagnostic accuracy assessment of artificial intelligence support[J]. Lancet Prim Care, 2025, 1(4): 100041. DOI: 10.1016/j.lanprc.2025.100041.
[30]	Zhang X Y, Li Q Y, Liang Y H, et al. AI framework for multidisease detection via retinal imaging[J]. Nat Med, 2026, 32(7): 2494-2503. DOI: 10.1038/s41591-026-04359-w.
[31]	Weinreb R N, Lee A Y, Baxter S L, et al. Application of artificial intelligence to deliver healthcare from the eye[J]. JAMA Ophthalmol, 2025, 143(6): 529. DOI: 10.1001/jamaophthalmol.2025.0881.
[32]	Itoh T, Nishitsuka K, Fukuma Y, et al. Multi-task deep learning for predicting metabolic syndrome from retinal fundus images in a Japanese health checkup dataset[J]. PLoS One, 2025, 20(8): e0325337. DOI: 10.1371/journal.pone.0325337.
[33]	Patterson E J, Bounds A D, Wagner S K, et al. Oculomics: a crusade against the four horsemen of chronic disease[J]. Ophthalmol Ther, 2024, 13(6): 1427-1451. DOI: 10.1007/s40123-024-00942-x.
[34]	徐晔倩，黄毅，张元婷，等. 人工智能辅助诊断的闵行区视觉健康管理模式探索与实践[J]. 眼科学报, 2025, 40(3): 272-282. DOI: 10.12419/24093009.
[35]	Lin S L, Ma Y Y, Li L P, et al. Cost-effectiveness and cost-utility of community-based blinding fundus diseases screening with artificial intelligence: a modelling study from Shanghai, China[J]. Comput Biol Med, 2024, 183: 109329. DOI: 10.1016/j.compbiomed.2024.109329.
[36]	朱敏，童晓维，张怡，等. 社区眼病分级诊疗与双向转诊模式探索[J]. 中华全科医师杂志, 2018, 17(1): 10-13. DOI: 10.3760/cma.j.issn.1671-7368.2018.01.004.

分类	人数	占比（%）
性别
男	566	42.14
女	777	57.86
年龄
0~<40岁	10	0.74
40~<50岁	50	3.72
50~<60岁	220	16.38
60~<70岁	507	37.75
70~<80岁	429	31.94
≥80岁	127	9.46
慢性病史^a
无慢性病史	326	25.75
高血压	516	40.76
糖尿病	143	11.30
糖尿病合并高血压	281	22.20
左眼视力^b
≥4.8（正常）	688	56.63
4.5~<4.8（轻度损伤）	356	29.30
4.0~<4.5（中度损伤）	132	10.86
3.7~<4.0（重度损伤）	18	1.48
<3.7（盲）	21	1.73
右眼视力^b
≥4.8（正常）	682	56.41
4.5~<4.8（轻度损伤）	352	29.12
4.0~<4.5（中度损伤）	134	11.08
3.7~<4.0（重度损伤）	26	2.15
<3.7（盲）	15	1.24
左眼眼压^c
<10 mmHg（低眼压）	11	0.82
10~21 mmHg（正常）	1 243	93.04
>21 mmHg（高眼压）	82	6.14
右眼眼压^c
<10 mmHg（低眼压）	10	0.75
10~21 mmHg（正常）	1 249	93.49
>21 mmHg（高眼压）	77	5.76
HbA_1c
<5.7%（正常）	135	19.54
5.7%~6.4%（糖尿病前期）	279	40.38
≥6.5%（糖尿病）	277	40.08
FPG
<6.1 mmol/L（正常）	517	60.47
6.1~<7.0 mmol/L（糖尿病前期）	162	18.95
≥7.0 mmol/L（糖尿病）	176	20.58
SBP
<120 mmHg（正常血压）	124	17.39
120~139 mmHg（正常高值）	425	59.61
140~159 mmHg（1级高血压）	132	18.51
160~179 mmHg（2级高血压）	27	3.79
≥180 mmHg（3级高血压）	5	0.70
DBP
<80 mmHg（正常血压）	516	72.37
80~89 mmHg（正常高值）	142	19.92
90~99 mmHg（1级高血压）	39	5.47
100~109 mmHg（2级高血压）	14	1.96
≥110 mmHg（3级高血压）	2	0.28
TC
<5.2 mmol/L（正常）	514	62.00
5.2~6.1 mmol/L（边缘升高）	210	25.33
≥6.2 mmol/L（升高）	105	12.67
TG
<1.7 mmol/L（正常）	580	69.96
1.7~2.2 mmol/L（边缘升高）	123	14.84
≥2.3 mmol/L（升高）	126	15.20

分类	人数	占比（%）
性别
男	566	42.14
女	777	57.86
年龄
0~<40岁	10	0.74
40~<50岁	50	3.72
50~<60岁	220	16.38
60~<70岁	507	37.75
70~<80岁	429	31.94
≥80岁	127	9.46
慢性病史^a
无慢性病史	326	25.75
高血压	516	40.76
糖尿病	143	11.30
糖尿病合并高血压	281	22.20
左眼视力^b
≥4.8（正常）	688	56.63
4.5~<4.8（轻度损伤）	356	29.30
4.0~<4.5（中度损伤）	132	10.86
3.7~<4.0（重度损伤）	18	1.48
<3.7（盲）	21	1.73
右眼视力^b
≥4.8（正常）	682	56.41
4.5~<4.8（轻度损伤）	352	29.12
4.0~<4.5（中度损伤）	134	11.08
3.7~<4.0（重度损伤）	26	2.15
<3.7（盲）	15	1.24
左眼眼压^c
<10 mmHg（低眼压）	11	0.82
10~21 mmHg（正常）	1 243	93.04
>21 mmHg（高眼压）	82	6.14
右眼眼压^c
<10 mmHg（低眼压）	10	0.75
10~21 mmHg（正常）	1 249	93.49
>21 mmHg（高眼压）	77	5.76
HbA_1c
<5.7%（正常）	135	19.54
5.7%~6.4%（糖尿病前期）	279	40.38
≥6.5%（糖尿病）	277	40.08
FPG
<6.1 mmol/L（正常）	517	60.47
6.1~<7.0 mmol/L（糖尿病前期）	162	18.95
≥7.0 mmol/L（糖尿病）	176	20.58
SBP
<120 mmHg（正常血压）	124	17.39
120~139 mmHg（正常高值）	425	59.61
140~159 mmHg（1级高血压）	132	18.51
160~179 mmHg（2级高血压）	27	3.79
≥180 mmHg（3级高血压）	5	0.70
DBP
<80 mmHg（正常血压）	516	72.37
80~89 mmHg（正常高值）	142	19.92
90~99 mmHg（1级高血压）	39	5.47
100~109 mmHg（2级高血压）	14	1.96
≥110 mmHg（3级高血压）	2	0.28
TC
<5.2 mmol/L（正常）	514	62.00
5.2~6.1 mmol/L（边缘升高）	210	25.33
≥6.2 mmol/L（升高）	105	12.67
TG
<1.7 mmol/L（正常）	580	69.96
1.7~2.2 mmol/L（边缘升高）	123	14.84
≥2.3 mmol/L（升高）	126	15.20

诊断类型	右眼	左眼
白内障	487（36.26）	497（37.01）
黄斑变性	77（5.73）	86（6.40）
DR	21（1.56）	24（1.79）
屈光不正	255（18.99）	252（18.76）
豹纹状眼底	396（29.49）	366（27.25）
玻璃膜疣	191（14.22）	177（13.18）
青光眼	32（2.38）	32（2.38）
视网膜出血	2（0.15）	2（0.15）
硬性渗出	123（9.16）	105（7.82）
未见明显异常	471（35.07）	488（36.34）

诊断类型	右眼	左眼
白内障	487（36.26）	497（37.01）
黄斑变性	77（5.73）	86（6.40）
DR	21（1.56）	24（1.79）
屈光不正	255（18.99）	252（18.76）
豹纹状眼底	396（29.49）	366（27.25）
玻璃膜疣	191（14.22）	177（13.18）
青光眼	32（2.38）	32（2.38）
视网膜出血	2（0.15）	2（0.15）
硬性渗出	123（9.16）	105（7.82）
未见明显异常	471（35.07）	488（36.34）

指标	HbA_1c（%）^a	FPG（mmol/L）^b	TC（mmol/L）^c	TG（mmol/L）^c
基线^d	6.93±1.31	6.62±2.04	5.01±1.26	1.62±1.19
6个月随访时^d	6.67±1.05	6.45±2.08	4.43±1.07	1.50±0.97
变化值^e	-0.17（-0.46，0.12）	-0.07（-0.59，0.41)	-0.39（-1.15，0.01）	-0.09（-0.30，0.18）
Z_配对值	6.01	2.51	8.58	2.86
P值	<0.001	0.012	<0.001	0.004