在所有导致失明的疾病中，糖尿病性视网膜病变（DiabeticRetinopathy，下称糖网病）是增长最快的，人工智能有望扭转这一局面。
国际糖尿病联盟的统计结果显示，截至年，我国糖尿病患者约1.1亿人。另根据国家卫生计生委办公厅年3月发布的数据，目前我国糖网病在糖尿病罹患人群中的患病率为24.7%~37.5%。按此推算，我国的糖网病患者已超过万人。
这些患者平时在内分泌科进行控糖管理，内分泌科的医生不具备阅片能力，而眼科医生数量又严重不足（年仅有3.14万名眼科医生），无暇顾及糖网筛查。
近两年高速发展的人工智能技术有望打破这一僵局。由于借助眼底图像就能较好地确诊，而且眼底图像获取条件相对宽松，糖网筛查成了人工智能落地医疗领域的绝佳土壤。目前国内尝试用人工智能进行糖网筛查的企业不在少数，而且看起来效果不错，准确率都达到了90%多。
不过正如北京致远慧图科技有限公司创始人孙宇辉所言，“AI+眼底糖网筛查领域现在缺乏一个行业标准，单纯从数字上来看，似乎大家都很好。这是这因为各家都有自己的数据库，各自的算法都是按照自己的数据进行训练的，然后以自己的数据来验证准确性，医院合作进行临床测试。”换言之，企业既是选手又是裁判。
这样测试出来的准确率可靠性有多高？AI筛查糖网的准确率到底该由谁来界定？医院是否认可这样的产品？医院？带着这些疑问，雷锋网采访了数家从事糖网筛查的AI领*企业、高校教授，以及眼科专家。
谈论准确率到底有没有意义？
“准确率不是衡量算法是否优秀的唯一指标。”肽积木CEO柏文洁认为，在正负样本不平均的前提下，用准确率衡量算法有很大的缺陷，甚至不具备参考意义。
她以互联网广告为例，“广告的点击数量是很少的，假设在千分之几这个量级，如果用acc（准确率）来衡量，即使最终全部预测成负类，也就是预测都没有点击，acc也有99%以上。”
柏文洁认为，衡量算法是否优秀要综合考量Precision（精确度），Sensitivity（灵敏度），F值以及AUC等多个指标。考虑到临床应用还要兼顾算法的计算速度，鲁棒性等多方面性能指标。再细化到具体应用场景，还要根据是到基医院散瞳进行精细诊断，决定算法该更