目的比較基于彩色眼底像閱片的人工智能（AI）系統分別在社區和醫院篩查和（或）診斷糖尿病視網膜病變（DR）的效率和差異，初步評價其應用價值。方法回顧性和前瞻性相結合研究。回顧性收集2018年7月至2021年3月于河南省眼科研究所連續就診的老年糖尿病患者1 608例的臨床資料。其中，男性659例，女性949例；年齡中位數64歲。前瞻性收集2018年12月至2019年4月以社區為來源主動招募的老年糖尿病患者496例的臨床資料。其中，男性202例，女性294例；年齡中位數62歲。由眼科或經培訓的內分泌科醫生對患者行雙眼免散瞳眼底彩色照相檢查，拍攝以黃斑中心凹為中心后極部45°正位片。AI系統基于深度學習YOLO源碼開發，采用“AI+人工復核”方式最終確定DR診斷并分為0～4期，其中1期為無需轉診DR，2～4期為需轉診DR。結果AI總讀片1 989例（94.5%，1 989/2 104），其中社區、醫院來源患者分別為437（88.1%，437/496）、1 552（96.5%，1 552/1 608）例。社區來源AI讀片率低于醫院來源，差異有統計學意義（χ2=51.612，P＜0.001）。社區圖像質量差的主要原因為小瞳孔（47.1%，24/51）、白內障（19.6%，10/51）、白內障合并小瞳孔（21.6%，11/51）。AI診斷DR陰性62.4%（1 241/1 989）；其中，社區、醫院來源分別為84.2%、56.3%，社區來源AI診斷DR陰性率高于醫院，差異有統計學意義（χ2=113.108，P＜0.001）。AI診斷需轉診DR 20.2%（401/1 989）。其中，社區、醫院來源分別為6.4%、24.0%，社區來源AI診斷需轉診DR率低于醫院，差異均有統計學意義（χ2=65.655，P＜0.001）。不同來源AI診斷DR不同分期患者構成比比較，差異有統計學意義（χ2=13.435，P=0.001）。其中，社區來源患者以無需轉診DR為主（52.2%，36/69）；醫院來源患者以需轉診DR為主（54.9%，373/679），且已治療DR檢出率更高（14.3%）。AI自動識別眼底病灶數順位中，社區、醫院來源排首位的分別為玻璃膜疣（68.4%）和視網膜內出血（48.5%）。結論AI診斷DR，社區以無需轉診DR為主，更適合篩查早期DR；醫院以需轉診DR為主。