目的比较三种基于卷积神经网络（CNN）的人工智能（AI）糖尿病视网膜病变（DR）眼底图像诊断模型与眼科医生诊断的一致性。设计诊断试验。研究对象北京同仁医院眼科236例（468眼）糖尿病患者的彩色眼底图像。方法患者每眼分别以黄斑和视盘为中心免散瞳拍摄两张45°眼底图像。以眼科医生诊断结果作为金标准,对三种不同公司设计的AI DR诊断模型（模型1、2、3）进行DR有无检测、DR转诊检测、DR分期检测评价。主要指标灵敏度（Se）、特异度（Sp）、受试者工作特征曲线（ROC）曲线下面积（AUC）。结果 DR有无检测:模型1灵敏度为95.8%,特异度为90.1%,AUC为0.930;模型2灵敏度为96.5%,特异度为85.2%,AUC为0.908;模型3灵敏度为96.2%,特异度为83.5%,AUC为0.917。DR转诊检测:模型1灵敏度为93.9%,特异度为90.1%,AUC为0.933;模型2灵敏度为97.7%,特异度为89.3%,AUC为0.935;模型3灵敏度为95.4%,特异度为89.8%,AUC为0.926。DR分期检测:模型1灵敏度为72.9%～90.1%,特异度为93.9%～97.8%,AUC为0.854～0.930;模型2灵敏度为 68.8%～92.1%,特异度为 90.6%～98.2%,AUC 为 0.831 ～0.914;模型 3 灵敏度为 75.0%～83.5%,特异度为 89.2%～96.8%,AUC 为0.849～0.917。结论三种AI诊断模型对糖尿病患者眼底图像DR有无及DR转诊检测的准确性均较高,可作为糖尿病患者DR筛查的辅助方法。（眼科,2021,30:355-359）