AI眼底糖网分级初筛：图像质量门控与转诊建议

本期医疗AI实验室的阶段性工作，聚焦眼底糖网筛查中被长期低估的一环——图像质量门控。在合作的基层体检数据中，约三成照片存在明显失焦、反光或瞳孔遮挡，直接送入分级模型会同时推高漏诊与过度转诊。我们把流程拆成两段：质量门控先判定“可判读／不可判读／需重拍”，通过后再进入分级模型，输出分级结果与转诊建议。

进展与数据：
· 门控侧引入离焦模糊度、局部过曝比例与视网膜视野覆盖率三类特征，在1.2万张历史样本上，可判读照片的误拒率降至4%以下，不可判读样本召回约91%；
· 分级侧采用两级阈值策略，对“中重度需转诊”类别保持高敏感，并将不确定样本显式标记为复核项，交由医师优先处理。

下一步计划：与两家社区卫生中心开展前瞻性小样本试用，重点观察门控对医师复核工作量的实际影响，以及不同拍摄设备之间的分布漂移。