AI助力X连锁视网膜色素变性患者视野估计
摘要
该研究旨在通过基于OCT扫描的高效方法，估算X连锁视网膜色素变性（RP）患者的视野。通过对Moorfields眼科医院患者的回顾性分析，研究人员利用人工智能自动分割和量化黄斑椭圆体带宽度（EZW）和面积（EZA），并结合静态视野测试的功能参数进行分析。结果显示，EZA与视野功能参数具有最高的条件相关性，表明这种方法可以应用于不同严重程度的患者。研究证明，AI技术能够有效获取大量结构参数，促进研究和结构-功能预测。
信息来源： PubMed Ophthalmology 发布于 2026年3月1日
要点速览
- AI技术能够有效获取大量结构参数，促进研究和结构-功能预测。
- 研究利用AI自动分割和量化黄斑椭圆体带宽度和面积，并结合视野测试功能参数进行分析。
- 结果表明，EZA与视野功能参数具有最高的条件相关性，适用于不同严重程度的患者。
本站解读
这项研究揭示了AI在眼科领域的应用潜力，特别是在视网膜色素变性的诊断和监测中。传统的视野测试耗时且依赖于患者的主观反馈，而基于OCT的AI技术则提供了一种更为客观和高效的替代方案。这不仅提高了临床效率，还为早期诊断和病情监测提供了新的工具。
从行业角度来看，这一技术路线的变迁预示着未来眼科诊疗将更加依赖于高精度的影像技术和智能算法。国内外多家企业已经在布局相关领域，如Optovue、蔡司等国际大厂以及国内的一些创新公司。这些企业在研发管线上的竞争愈发激烈，护城河也在不断加厚。然而，随着技术的普及，如何确保数据的安全性和隐私保护将成为新的挑战。
此外，尽管该研究展示了AI在视野估计中的显著优势，但其实际应用仍需进一步验证。后续需要密切留意的是，这种技术能否在更大规模的临床试验中保持一致的效果，以及是否能被纳入标准诊疗流程。这对于中国眼科行业来说，意味着更多的机遇和挑战，尤其是对于那些致力于技术创新的企业而言。
常见问题
这项研究对视网膜色素变性患者有什么帮助？
这项研究通过AI技术，能够更高效地估算患者的视野情况，有助于早期诊断和病情监测。如有疑虑可咨询眼科医生。
这种新技术什么时候能在临床上广泛应用？
目前这项技术还在研究阶段，需要进一步的大规模临床验证。具体时间表有待确认。
延伸阅读
铁死亡相关基因在遗传性视网膜退化中的新发现
视网膜色素变性（RP）是一种不可逆的遗传性失明疾病。先前的研究表明，铁死亡在多种神经退行性疾病中起重要作用。本研究通过分析GEO数据库中的GSE56473数据集，鉴定了Rd10小鼠与对照组之间差异表达的铁死亡相关基因（DE-FRGs）。通过GO、KEGG和PPI网络分析，确定了八个关键的铁死亡相关基因（HFRGs），包括Egr1、Cd44、Egfr等。这些基因在Rd10小鼠的视网膜中显著上调，并且在不同细胞类型中表现出不同的表达模式。进一步利用GSE178928数据集验证了这些基因的表达变化，并通过免疫荧光染色、qPCR和单细胞测序技术确认了其表达模式。此外，研究还预测了几种潜在的治疗化合物，如Genipin。该研究为遗传性视网膜退化提供了新的生物标志物和治疗靶点。
跨厂商3D OCT扫描多病种检测的域迁移AI技术
本研究开发了一种基于深度学习的模型，能够分析来自不同厂商的3D OCT扫描图像，实现多病种分类。该模型在多个中心进行了回顾性队列研究，包括来自香港和越南的眼科医院、私人眼科中心及公开在线数据库的数据。模型仅使用来自Spectralis（Heidelberg Engineering）的3D扫描进行训练，并在九个外部数据集上进行了测试，其中包括Cirrus（Zeiss）的3D扫描和Spectralis的2D扫描。研究引入了“不确定”类别以处理未见过的黄斑病变，并加入了一个分诊模块。结果显示，该模型在不同厂商的3D扫描中表现出良好的性能，AUROC范围从0.779到0.999不等，微平均PPV从56.7%到72.0%不等，所有微平均NPV均超过97.5%。研究结果表明，这种跨厂商的深度学习模型具有广泛部署于不同眼科护理环境中的潜力，有助于提高现代眼科实践中的疾病检测和分诊效率。
AI在眼科诊断中的角色：增强与创新
该研究探讨了人工智能（AI）在医学诊断中的两种应用模式：“增强”和“创新”。增强是指通过AI辅助，提升人类在特定任务上的表现，例如计算机辅助诊断（CADx）用于检测息肉。然而，这种增强可能带来技能退化且未必显著改善临床结果。创新则是指利用AI发现人类无法察觉的变量，如从视网膜眼底图像中推导出“视网膜年龄差距”，从而带来新的诊疗方法。研究强调了设计和选择AI应用的重要性。