中心性糖尿病性黄斑水肿（ci-DME）是视力丧失的主要原因。尽管诊断的黄金标准涉及 3D 成像，但通常在筛查环境中使用眼底照相术进行 2D 成像，从而导致假阳性和假阴性的发生率很高。为了解决这个问题，我们训练了一种深度学习模型，可以根据眼底照片预测 ci-DME，ROC–AUC 为 0.89（95％CI：0.87–0.91），对应于 80％特异性的 85％敏感性。相比之下，视网膜专家的敏感性相似（82-85％），但特异性只有一半（45-50％，p <0.001）。我们的模型还可以检测到视网膜内液（AUC：0.81； 95％CI：0.81-0.86）和视网膜下液（AUC 0.88； 95％CI：0.85-0.91）。使用深度学习通过简单的 2D 图像进行预测，而无需复杂的 3D 成像设备，并且性能优于专业水平，与医学成像中的许多其他应用广泛相关。