ABSTRACT Aim Diabetic retinopathy (DR) is a common complication of diabetes mellitus and can result in vision loss. Early clinically diagnosed signs of DR are linked to vascular damage, impacting on the neural retina typically at later stages. However, vascular changes and potential effects on neural cells before clinical diagnosis of DR are less understood. Methods To learn more about the earliest stages of DR we studied postmortem retina from diabetic donors who did not have clinical DR. Histological phenotyping and quantitative analysis were carried out on retina from 14 donors (3 controls, 10 diabetics, and 1 DR case) to examine capillary loss in the deeper vascular plexus (DVP) and the superficial vascular plexus (SVP) of the retinal vasculature and to study effects on the neural retina. Result The advanced DR case exhibited profound vascular and neural damage as expected, whereas none of the ten randomly selected diabetic donors had any DR signs that would have been diagnosed clinically. Within that group, two showed very minor capillary dropout in the SVP, whilst in the remaining diabetic cases the SVP was indistinguishable from the controls. In contrast, over half of the diabetic retinas showed capillary dropout in the DVP and increased capillary diameter. Furthermore, a pan retinal loss of inner nuclear layer cells was observed in those diabetics with capillary dropout compared to the controls (p<0.05), but there was no local spatial correlation between neural cell loss and capillary dropout. Conclusions Our study has established a novel histological biomarker for diabetes related tissue damage at the earliest stages of DR in human postmortem retina, which appears to be common in people with diabetes before DR can be clinically diagnosed. Furthermore, the spatial mismatch between local capillary dropout and the diffuse neural loss in the INL suggests that at this very early stage of DR, microvascular loss may not causally be directly connected to neurodegeneration and that diabetes may affect the two readouts independently. RESEARCH IN CONTEXT What is already known about this subject? Early DR is currently clinically defined by visible microvascular changes. Tests of retinal function in people with diabetes imply neuroretinal impairments in early DR. Clinical imaging in people with diabetes suggests reduced perfusion in the deep retinal vasculature plexus. What is the key question? (one bullet point only; formatted as a question) How does retinal microvascular damage relate to neuronal damage? What are the new findings? We have developed a sensitive histological biomarker for microvascular damage in postmortem retinal tissue. Early vascular changes in the deeper plexus occur in diabetes even in the absence of manifest DR. Neurodegenerative changes are distributed throughout the retina in diabetes and do not spatially correlate with microvascular nonperfusion. How might this impact on clinical practice in the foreseeable future? Deeper plexus perfusion can be a useful early biomarker to assess DR.

Diabetic retinopathy (DR), a common diabetes complication leading to vision loss, presents early clinical signs linked to retinal vasculature damage, affecting the neural retina at advanced stages. However, vascular changes and potential effects on neural cells before clinical diagnosis of DR are less well understood. To study the earliest stages of DR we performed histological phenotyping and quantitative analysis on postmortem retinas from 10 donors with diabetes and without signs of DR (such as microaneurysms and haemorrhages), plus 3 controls and 1 DR case, focusing on capillary loss in the deeper (DVP) and superficial vascular plexuses (SVP) and neural retina effects. The advanced DR case exhibited profound vascular and neural damage, whereas the ten randomly selected donors with diabetes appeared superficially normal. The SVP was indistinguishable from the controls. In contrast, over half of the retinas from donors with diabetes showed capillary dropout in the DVP and increased capillary diameter. However, we could not detect any localised neural cell loss in the vicinity of dropout capillaries. Instead, we observed a subtle pan-retinal loss of inner nuclear layer (INL) cells in all diabetes cases (p<0.05), independent of microvascular damage. In conclusion, our findings demonstrate a novel histological biomarker for early-stage diabetes-related damage in human postmortem retina, common in people with diabetes before clinical DR diagnosis. Furthermore, the mismatch between capillary dropout and neural loss questions the notion of microvascular loss directly causing neurodegeneration at the earliest stages of DR, so diabetes may affect the two readouts independently.

BackgroundThe deployment of algorithms in health care screening programs has been hindered by a lack of agreed-upon methodology to evaluate trustworthiness and equity. We outline transferable methodology for independent evaluation of algorithms using a routine, high-volume, multiethnic national diabetic eye screening program as an exemplar. Automated retinal image analysis systems (ARIAS), including artificial intelligence (AI), for detection of diabetic retinopathy (DR) could substantially increase image-grading capacity. We report technical and operational considerations relevant to implementation and evaluation in large-scale population screening.MethodsTwenty-five vendors with current or pending Conformité Européene Class IIa ARIAS for DR detection from retinal images were invited. Sample data (6268 images) were provided to confirm that ARIAS outputs could be replicated in a trusted research environment. We curated consecutive routine screening encounters between January 1, 2021 and December 31, 2022 at the North East London Diabetic Eye Screening Programme for evaluation. Sample size calculations focused on precision for detection of severe DR by population subgroups, particularly ethnicity. Vendor algorithms did not have access to human grading data or other metadata during image processing.ResultsEight of 25 eligible vendors participated. In total, 202,886 encounters were evaluated, representing 1.2 million images from 32% white, 17% Black, and 39% South Asian ethnic groups, including approximately 25,000 cases requiring referral to ophthalmology for review and treatment. Image resolutions varied from 150 × 300 to 6000 × 4000 pixels. Time from study invitation to ARIAS installation and algorithm verification ranged from 96 to 460 days; image processing required between 13.5 hours and 105 days.ConclusionsThis comparison of ARIAS at scale on a range of images with different characteristics, including a population of different ethnicities, wide age range, levels of deprivation, and spectrum of DR, provides the framework for transparent, equitable, robust, and trustworthy evaluation of clinical AI in screening to inform standards in health care before deployment. (Funded by the NHS Transformation Directorate and The Health Foundation and managed by the National Institute for Health and Social Care Research.)