Abstract Primary diabetes care and diabetic retinopathy (DR) screening persist as major public health challenges due to a shortage of trained primary care physicians (PCPs), particularly in low-resource settings. Here, to bridge the gaps, we developed an integrated image–language system (DeepDR-LLM), combining a large language model (LLM module) and image-based deep learning (DeepDR-Transformer), to provide individualized diabetes management recommendations to PCPs. In a retrospective evaluation, the LLM module demonstrated comparable performance to PCPs and endocrinology residents when tested in English and outperformed PCPs and had comparable performance to endocrinology residents in Chinese. For identifying referable DR, the average PCP’s accuracy was 81.0% unassisted and 92.3% assisted by DeepDR-Transformer. Furthermore, we performed a single-center real-world prospective study, deploying DeepDR-LLM. We compared diabetes management adherence of patients under the unassisted PCP arm ( n = 397) with those under the PCP+DeepDR-LLM arm ( n = 372). Patients with newly diagnosed diabetes in the PCP+DeepDR-LLM arm showed better self-management behaviors throughout follow-up ( P < 0.05). For patients with referral DR, those in the PCP+DeepDR-LLM arm were more likely to adhere to DR referrals ( P < 0.01). Additionally, DeepDR-LLM deployment improved the quality and empathy level of management recommendations. Given its multifaceted performance, DeepDR-LLM holds promise as a digital solution for enhancing primary diabetes care and DR screening.

Purpose To identify longitudinal metabolomic fingerprints of diabetic retinopathy (DR) and evaluate their utility in predicting DR development and progression. Design Multicenter, multi-ethnic cohort study. Participants This study included 17,675 participants with baseline pre-diabetes/diabetes, in accordance with the 2021 American Diabetes Association guideline, and free of baseline DR from the UK Biobank (UKB); and an additional 638 diabetic participants from the Guangzhou Diabetic Eye Study (GDES) for external validation. Methods Longitudinal DR metabolomic fingerprints were identified through nuclear magnetic resonance assay in UKB participants. The predictive value of these fingerprints for predicting DR development were assessed in a fully withheld test set. External validation and extrapolation analyses of DR progression and microvascular damage were conducted in the GDES cohort. Model assessments included the C-statistic, net classification improvement (NRI), integrated discrimination improvement (IDI), calibration, and clinical utility in both cohorts. Main Outcome Measures DR development, progression, and retinal microvascular damage. Results Of 168 metabolites, 118 were identified as candidate metabolomic fingerprints for future DR development. These fingerprints significantly improved the predictability for DR development beyond traditional indicators (C-statistic: 0.802, 95% CI, 0.760–0.843 vs. 0.751, 95% CI, 0.706–0.796; P = 5.56×10−4). Glucose, lactate, and citrate were among the fingerprints validated in the GDES cohort. Using these parsimonious and replicable fingerprints yielded similar improvements for predicting DR development (C-statistic: 0.807, 95% CI, 0.711–0.903 vs. 0.617, 95% CI, 0.494, 0.740; P = 1.68×10−4) and progression (C-statistic: 0.797, 95% CI, 0.712–0.882 vs. 0.665, 95% CI, 0.545–0.784; P = 0.003) in the external cohort. Improvements in NRIs, IDIs, and clinical utility were also evident in both cohorts (all P <0.05). In addition, lactate and citrate were associated to microvascular damage across macular and optic disc regions (all P <0.05). Conclusions Metabolomic profiling has proven effective in identifying robust fingerprints for predicting future DR development and progression, providing novel insights into the early and advanced stages of DR pathophysiology.

PurposeThis study aimed to investigate longitudinal changes in choroidal thickness (CT) and ganglion cell-inner plexiform layer thickness (GC-IPLT) across distinct phenotypes of type 2 diabetes mellitus (T2DM) patients.DesignProspective observational cohort study.MethodsT2DM patients were categorized into five groups (SAID, SIDD, SIRD, MOD, and MARD) using K-means clustering based on β-cell function and insulin resistance. Swept-source optical coherence tomography measured baseline and 4-year follow-up CT and GC-IPLT. Linear mixed-effects models assessed absolute and relative changes in CT and GC-IPLT across subtypes.ResultsOver a median 4.11-year follow-up, CT and GC-IPLT decreased significantly across all groups. Choroidal thinning rates were most pronounced in SIDD (-6.5±0.53 µm/year and -3.5±0.24%/year) and SAID (-6.27±0.8 µm/year and -3.19±0.37%/year), while MARD showed the slowest thinning (-3.63±0.34 µm/year and -1.98±0.25%/year). SIRD exhibited the greatest GC-IPLT loss (-0.66±0.05 µm/year and -0.91±0.07%/year), with the least in SIDD (-0.36±0.05 µm/year and -0.49±0.07%/year), all statistically significant (Ps < 0.001). Adjusted for variables, SIDD and SAID groups showed faster CT thinning than MARD [-2.57 µm/year (95% CI: -4.16 to -0.97; P=0.002) and -2.89 µm/year (95% CI: -4.12 to -1.66; P<0.001), respectively]. GC-IPLT thinning was notably accelerated in SIRD versus MARD, but slowed in SIDD relative to MARD [differences of -0.16 µm/year (95% CI: -0.3 to -0.03; P=0.015) and 0.15 µm/year (95% CI: 0.03 to 0.27; P=0.015), respectively]. Stratified analysis revealed significant differences among non-DR groups.ConclusionsMicrovascular damage in the choroid is associated with SIDD patients, whereas early signs of retinal neurodegeneration are evident in SIRD patients. All these changes may precede the onset of DR.

Purpose The purpose is to investigate the association between handgrip strength (HGS) and the risk of future diabetic complications in multicountry cohorts. Methods The association between HGS and diabetic complications was evaluated using cox models among 84 453 patients with pre-diabetes and diabetes from the UK Biobank with a 12-year follow-up. The association between HGS and longitudinal microcirculatory damage rates was assessed among 819 patients with diabetes from the Guangzhou Diabetic Eye Study (GDES) with a 3-year follow-up. Participants were divided into three age groups (<56, 56–65 and ≥65 years), and each group was further subdivided into three HGS tertiles. Results A 5 kg reduction in HGS was associated with increased risk for all-cause mortality (women, HR=1.10, 95% CI: 1.05 to 1.14; p<0.001; men, HR=1.13, 95% CI: 1.11 to 1.15; p<0.001). Women and men in the lowest HGS group exhibited 1.6-times and 1.3–1.5-times higher risk of myocardial infarction and stroke compared with the highest HGS group. In men, there was a higher risk of developing end-stage renal disease (HR=1.83, 95% CI: 1.30 to 2.57; p=0.001), while this was not observed in women. Both sexes in the lowest HGS group had a 1.3-times higher risk of diabetic retinopathy compared with the highest HGS group. In the GDES group, individuals with the lowest HGS showed accelerated microcirculatory damage in retina (all p<0.05). Conclusions Reduced HGS is significantly associated with a higher risk of diabetic complications and accelerated microvascular damage. HGS could serve as a practical indicator of vascular health in patients with pre-diabetes and diabetes.