摘要目的开发和验证基于眼底照片影像组学特征的糖尿病足分类预测模型。方法回顾性收集2011年12月至2018年12月在南方医院诊断为2型糖尿病患者眼底照片共2 035张[糖尿病足(DF)患者282张，糖尿病(DM)患者1 753张]，采用计算机随机数按7∶3将所有眼底照片随机分成训练集(1 424张)与测试集(611张)。眼底照片进行图像预处理后，通过Radiomic工具包提取基于灰度矩阵的4 128个纹理特征，并用ToolboxDESC工具包提取了11 339个其他特征。采用LASSO算法选取出与DF最相关的30个特征，再使用Bootstrap+0.632自助采样法进一步筛选出7个最佳组合，进行logistic回归分析求得回归系数，建立最终的糖尿病足分类模型。绘制ROC曲线，计算训练集和测试集的AUC、敏感度、特异度及准确率以验证其预测效能。结果本研究筛选出7个糖尿病足患者眼底照片影像组学标记物，且构建的DF/DM分类预测模型在训练集中的AUC、敏感度、特异度、准确率分别为：0.958 6、0.984 0、0.920 0、0.928 0；在测试集中得到的AUC、敏感度、特异度、准确率分别为0.927 1、0.988 9、0.881 0、0.896 9。结论本研究采用了影像组学技术筛选出7个糖尿病足眼底影像组学标记物，基于此构建了高精度的可简便应用的DF/DM分类模型。该技术具有提高糖尿病足筛查效率的潜力。
