手机裂隙灯结合 AI 预测白内障严重程度试点研究
摘要
本研究探讨利用连接智能手机的便携式裂隙灯原型拍摄图像，通过深度学习预测白内障严重程度。研究在三级诊所进行，采集了散瞳与不散瞳条件下的图像，旨在解决社区缺乏有效客观筛查手段的问题。结果显示该方案具有可行性，为白内障的便携筛查提供了新思路。未来若技术成熟，有望降低筛查门槛，让患者在不散瞳情况下获得初步评估，但仍需专业医生确诊。
信息来源： PubMed Ophthalmology 发布于 2026年3月20日
要点速览
- 本研究使用连接智能手机的便携式裂隙灯原型拍摄图像，旨在预测白内障严重程度。
- 研究采用深度学习技术，在散瞳与不散瞳条件下进行了前瞻性横断面试点研究。
- 旨在解决当前社区中缺乏无需散瞳即可客观筛查白内障的有效手段这一问题。
本站解读
这项研究表面是硬件便携化，实则是眼科诊断场景的下沉革命。传统裂隙灯依赖医院固定场景且必须散瞳，而手机结合便携设备的方案试图将筛查权限从医生手中部分让渡给算法，尤其是在不散瞳条件下实现严重程度预测。这背后的商业逻辑在于降低单次筛查边际成本，让白内障早筛进入社区甚至家庭场景成为可能，直接冲击现有以医院为中心的服务链条。
行业竞争焦点正从光学硬件精度转向数据标注质量与算法泛化能力。国外巨头在临床数据积累上仍有壁垒，但国内供应链在便携光学模组上的响应速度更快。目前全球研发管线多集中在单一影像分析，缺乏软硬件协同的闭环验证，这项试点研究恰好填补了便携设备端侧推理的空白。算法能否在不同光照和操作水平下保持稳定，是决定商业化落地的关键变量。
真正的护城河在于能否通过药监局三类证审批。后续需密切关注是否有企业提交基于此类便携设备的注册临床申请，以及医保对社区筛查项目的支付态度。若算法能通过多中心验证，眼科服务格局将从治疗驱动转向预防驱动，掌握筛查入口的企业将拥有上游转诊的议价权。对于患者而言，这意味着更便捷的初筛，但确诊仍需回归专业医疗机构。
常见问题
用手机拍眼睛就能知道白内障严不严重吗？
目前这只是试点研究，尚未普及到大众使用。虽然技术显示可行，但手机拍摄受光线和操作影响大，准确性无法保证，不能替代医院检查。如有疑虑可咨询眼科医生，不要自行诊断，以免延误病情。
以后在社区就能筛查白内障了吗？
这项技术目的是为了让筛查更便捷，但正式进入社区还需要通过监管审批和大规模验证。目前确诊和治疗仍需去医院找专业医生进行详细检查，社区筛查仅作为初步参考，不能作为最终诊断依据。
延伸阅读
手机裂隙灯 AI 筛查白内障
白内障诊断通常需医生使用裂隙灯进行散瞳检查，社区缺乏无需散瞳的便携筛查手段。本研究假设通过深度学习分析便携式手机裂隙灯原型拍摄的图像，可预测白内障严重程度。研究在三级诊所开展，采集了散瞳与未散瞳条件下的图像，并以 Pentacam 核分级评分为参考标准。这项试点研究旨在探索利用便携设备结合人工智能技术，实现客观高效的白内障社区筛查可能性，为后续技术开发提供初步依据。
Kahook双刃刀与Trabectome在白内障合并青光眼手术中的疗效对比
本研究通过回顾性分析，比较了Kahook双刃刀（KDB）和Trabectome在白内障合并青光眼手术中的效果。研究纳入了60只眼睛，其中30只接受了KDB手术，另外30只接受了Trabectome手术。两组患者在基线条件上进行了匹配，包括术前眼压、最大已知术前眼压、术前用药评分、杯盘比、随访时间、最佳矫正视力和年龄。成功手术的定义基于三个标准：最长随访期内眼压低于21 mmHg（A评分）、低于18 mmHg（B评分）且无需再次手术，或眼压降低超过20%或降至15 mmHg以下且眼压降低至少40%（C评分）。结果显示，两种手术技术均使眼压相对降低了约29%，且在平均23-24个月的随访期内，两组的眼压从术前的19.5 ± 5.0 mmHg和19.8 ± 4.5 mmHg分别降至13.8 ± 3.9 mmHg和14.0 ± 3.9 mmHg。根据A、B、C评分标准，KDB和Trabectome的成功率分别为67% vs. 70%、63% vs. 67%和33% vs. 23%。两组均未出现严重副作用。
PathFinder AI工具在非视网膜专家中的诊断一致性评估
本研究旨在评估非视网膜专科医生（NRS）使用PathFinder人工智能辅助工具与视网膜专科医生在诊断和转诊决策上的一致性。研究纳入了202名连续接受CIRRUS平台OCT检查的患者，其中PathFinder AI模块被用于辅助诊断。结果显示，在202只眼睛中（平均年龄62.7 ± 12.3岁），PathFinder AI工具在资源有限的情况下具有显著的实时决策支持价值，但在特定疾病尤其是威胁视力的条件下，仍需进一步优化和临床监督。