眼底影像AI糖网病变筛查：标注一致性与泛化实验

糖尿病视网膜病变筛查长期依赖人工阅片，基层阅片能力不足是现实瓶颈。本实验基于公开眼底数据集与脱敏合作影像构建病变分级模型，重点验证标注一致性与跨设备泛化两个关键问题。

阶段性进展：针对出血点、渗出物等细小病灶的标注分歧，采用多医师交叉标注加第三方仲裁机制，标注一致性Kappa系数由0.62提升至0.81；引入对比度增强与病灶级监督后，五级分类二次加权Kappa达0.79，对需转诊病变的识别敏感度为91.3%、特异度为88.6%。

下一步计划：接入两家基层筛查点开展前瞻性小规模验证，重点评估不同品牌眼底相机下的假阴性率，并探索分级置信度阈值与人工复核的联动策略，优先控制漏诊风险。

需说明的是，以上均为回顾性数据上的阶段性结论，模型暂不用于临床决策，后续将按医疗软件相关规范推进数据治理与验证流程。