糖尿病视网膜病变（diabetic retinopathy ，DR）是糖尿病最常见的微血管并发症之一，也是全球工作年龄失明的最主要原因。该病进展十分隐匿，初期症状不明显，国内和国际指南建议无或轻度DR的糖尿病患者每年进行常规眼底摄片筛查，以便早期发现DR并及时干预。由于经济和医疗资源等因素的限制，常规眼底摄片筛查的实施和普及面临诸多困难，亟须发展DR智能筛查系统。针对DR筛查与防治的需要，我们创建的DeepDR系统基于迁移强化的多任务学习框架，通过对近70万张眼底图片进行学习，实现了图像质量分析与实时反馈、病变检测和分级诊断三大功能，该系统有助于减轻基层医生的诊断难度和工作负荷，提高了眼底摄片筛查的效率和可及性，扩展了糖尿病慢病管理和精准防控的新路径，已应用于国际糖尿病联盟的全球中低收入国家DR筛查工作。由于不同糖尿病患者病情进展异质性高，每位患者发生DR的风险和时间难以准确预测。针对这种挑战，我们进一步创建了DeepDR Plus系统，仅根据基线眼底图像可准确预测未来5年DR进展的个体化风险和时间，可以准确识别高、低风险人群，通过真实世界研究发现其能为患者提供个性化筛查间隔和管理策略，而几乎不导致威胁视力DR的漏诊，还发现了人工智能模型预测背后的微血管特征解释，为DR的精准诊疗提供了新手段。以ChatGPT为代表的人工智能技术迅猛发展，我们在前期工作的基础上创建了全球首个糖尿病诊疗多模态大模型——DeepDR-LLM，融合了大语言模型和深度学习技术优势，实现了医学影像诊断与诊疗意见的多模态生成功能，提供DR辅助诊断结果及个性化糖尿病综合管理意见。该模型在覆盖亚非欧三大区域七个国家的多中心队列中进行了回顾性验证，并针对中国基层医疗实际开展了前瞻性真实世界验证，首次提供了面向糖尿病医疗领域的多模态大模型应用成效的范例。糖尿病及并发症智能筛、防、治的DeepDR“三部曲”（DeepDR、DeepDR-Plus、DeepDR-LLM）为糖尿病管理的未来变革提供了高质量循证证据，期望推动基层糖尿病管理模式的持续进步。