AI辅助即时成像技术在临床决策支持中的系统评估
摘要
背景：人工智能（AI）与即时成像（POC）的结合已成为扩展诊断能力的有效手段，特别是在缺乏专科医生的情况下。然而，目前尚无系统性综述全面评估多种POC成像模式下的AI辅助临床决策支持系统、解释性实现及临床影响证据缺口。目的：系统评估和综合分析基于POC成像的AI临床决策支持系统的证据，特别关注任务转移潜力、解释性实现及临床结果证据。方法：研究者检索了PubMed、Scopus、IEEE Xplore和Web of Science（2018年1月至2025年11月），纳入了在POC临床环境中应用AI/机器学习系统的研究，并使用QUADAS-2评估方法学质量。结果：共纳入20项研究，涵盖15个国家约78,296名患者。研究涉及结核病、乳腺癌、深静脉血栓等多种疾病，使用超声、胸部X光、眼底摄影等成像方式。中位敏感性和特异性分别为92%和90.6%。65%的研究展示了任务转移潜力，非专科人员经过1小时培训后可达到专科水平。解释性AI（XAI）实施存在显著差距，75%的研究未提及解释性，10%提供了用户解释，但均未评估临床医生对解释的理解或XAI对决策的影响。结论：尽管AI辅助POC成像显示出良好的诊断准确性和任务转移潜力，但仍存在关键证据缺口，包括缺乏患者结局测量、解释性评估不足等问题。
信息来源： PubMed Ophthalmology 发布于 2026年2月7日
要点速览
- AI辅助即时成像技术在多种疾病诊断中表现出高敏感性和特异性
- 65%的研究展示了任务转移潜力，非专科人员经过1小时培训后可达到专科水平
- 解释性AI（XAI）实施存在显著差距，多数研究未提及解释性
本站解读
全球范围内，AI辅助即时成像技术在眼科及其他医疗领域的应用正逐步成熟，展现出高诊断准确性和任务转移潜力。在中国，这一技术的落地时间预计将在未来3到5年内，主要依据国家药品监督管理局（NMPA）的审批流程和技术验证。当前国内的眼科成像设备和技术虽已较为先进，但在AI集成方面仍存在代差。例如，现有的眼底摄影设备虽然能够提供高质量图像，但在自动化诊断和解释性方面仍有待提升。
长远来看，AI辅助即时成像技术将对中国眼科产业链产生深远影响。首先，它将显著提高基层医疗机构的诊断能力，缓解专科医生短缺问题。其次，随着技术的普及，相关硬件和软件的需求将大幅增加，推动整个产业链的发展。此外，AI技术的应用还将促进眼科数据的标准化和共享，为未来的精准医疗奠定基础。然而，要实现这些目标，还需解决一系列挑战，包括技术验证、监管合规以及跨场景验证等问题。
常见问题
这项技术什么时候能在中国用上？
预计在未来3到5年内，具体时间取决于国家药品监督管理局（NMPA）的审批流程和技术验证。
这项技术对普通患者有什么好处？
这项技术可以提高基层医疗机构的诊断能力，使更多患者能够在本地获得高质量的医疗服务，减少因专科医生短缺导致的就医不便。
延伸阅读
多模态多任务AI模型优化角膜塑形镜适配
本研究开发了一种多模态多任务人工智能（AI）模型，旨在通过分析角膜地形图模式和预测眼轴长度（AL）增长，同时输出最佳的角膜塑形镜（Ortho-K）参数及预测的眼轴增长概率，以支持临床决策。该模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率以及推荐镜片参数方面表现优异，为Ortho-K镜片的适配提供了有价值的决策支持。
高粘度硅油在视网膜脱离手术中的优势
本研究通过回顾性分析，比较了1000 cS和5000 cS两种不同粘度的硅油作为填充剂在初次黄斑脱离的孔源性视网膜脱离（RRD）手术后的效果。研究使用人工智能（AI）辅助的光谱域OCT图像分析方法，评估了最佳矫正视力（BCVA）、眼内压（IOP）、乳化情况以及视网膜结构生物标志物如视网膜下液（SRF）、视网膜内液（IRF）和高反射点（HRF）。结果显示，尽管两组在BCVA和解剖学结果上无显著差异，但低粘度硅油组的乳化率（66% vs. 7%）和高眼压发生率（8例 vs. 4例）均显著高于高粘度硅油组。此外，低粘度硅油组的HRF数量也显著增加。结论表明，高粘度硅油具有更低的乳化率和炎症反应，且不影响视觉效果。AI辅助的OCT分析为监测硅油相关并发症提供了准确、自动化的手段。
印度非眼科医生主导与AI辅助糖尿病视网膜病变筛查的实效性研究
该研究在印度农村地区评估了三种糖尿病视网膜病变（DR）筛查模式：非眼科医生主导的健康和福利中心（HWCs）筛查、基于智能手机的离线AI辅助社区筛查以及标准转诊护理。结果显示，非眼科医生主导的模型在DR检测中表现出86.4%的敏感性和94.3%的特异性，对于可转诊的DR（RDR），敏感性达到95.8%，特异性为93.1%。而离线AI辅助模型在RDR检测中的敏感性为93.3%，特异性为85.1%，但因图像质量问题导致不可分级率高达38%。研究表明，非眼科医生主导的筛查在准确性和操作可行性方面更优，而AI辅助筛查在社区使用中有潜力但需解决图像质量和技术限制。