AI工具在白内障证据缺口图更新中的应用评估
摘要
该研究旨在评估EPPI-Reviewer和Copilot 365在更新白内障证据缺口图（EGM）过程中的准确性和效率。系统性回顾和EGM的开发及更新需要大量时间和资源，而人工智能（AI）工具如优先筛选（PS）集成到EPPI-Reviewer和Copilot 365中，有望模拟人类在系统性回顾中的表现。研究将通过手动和自动筛选参考文献、全文筛选、数据提取和批判性评估来比较这些工具与人工操作的效果。具体而言，将使用20%和40%的手动筛选阈值评估PS的准确性，并通过Cohen's Kappa系数衡量一致性。最终结果将为未来AI工具在证据合成中的应用提供指导。
信息来源： PubMed Ophthalmology 发布于 2026年2月17日
要点速览
- 研究评估EPPI-Reviewer和Copilot 365在更新白内障证据缺口图中的准确性和效率。
- 使用20%和40%的手动筛选阈值评估优先筛选（PS）的准确性。
- 通过Cohen's Kappa系数衡量工具与人工操作的一致性。
本站解读
在全球范围内，系统性回顾和证据缺口图（EGM）的更新一直是眼科研究中的重要环节，但其耗时和成本高昂。此次研究聚焦于EPPI-Reviewer和Copilot 365这两款AI工具在这一过程中的应用，标志着技术进步正逐步改变传统科研模式。预计中国患者在未来几年内能够受益于这些技术的应用，但具体时间还需看国家药品监督管理局（NMPA）的审批进度。审批依据主要在于这些工具能否显著提高研究效率而不牺牲准确性。
目前，国内替代方案多依赖于人工操作，与之相比，这些AI工具在速度和一致性上具有明显优势。然而，国内眼科产业链在短期内可能面临一定的技术转型压力，但从长远来看，这将推动整个行业向更高效、更精准的方向发展。随着更多类似技术的引入，中国眼科研究的整体水平有望得到提升。
常见问题
这项研究对白内障患者有什么意义？
这项研究旨在通过AI工具提高白内障相关研究的效率和准确性，从而加速新治疗方法的发现和验证。如有疑虑可咨询眼科医生。
这些AI工具什么时候能在中国使用？
具体时间取决于国家药品监督管理局的审批进度，预计在未来几年内可能会有进展。
延伸阅读
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。
女性白内障手术相关因素分析
该研究通过2007-2008年美国国家健康与营养调查（NHANES）的数据，对1404名39岁及以上的女性进行了横断面分析，探讨了与白内障手术相关的因素。研究发现，年龄增长、离婚状态和心脏病的存在与白内障手术的高概率显著相关，而就业则与较低的手术概率相关。种族/民族、教育水平、收入、医疗保险、行为因素和职业暴露在调整后未显示出显著关联。这些结果强调了老龄化、社会支持、共病和经济因素在白内障手术中的重要性，并提示需要整合预防护理和社会决定因素以减少白内障结局的差异。
白内障精细分级与诊断图像数据集
白内障是全球致盲的主要原因之一。尽管深度学习在辅助白内障诊断方面显示出潜力，但现有方法通常仅提供二元评估，而临床实践需要多级严重程度评估和相应的诊断建议。本研究构建了包含187个眼底图像案例的白内障严重程度和诊断图像数据集（CSDI），每个案例均附有详细的临床诊断报告。此外，研究提出了一种基于多模态大语言模型（MLLM）的诊断框架，能够从眼底图像中进行精细的严重程度评分，并生成专业的诊断文本。这是首次将MLLM技术应用于精确定量的白内障诊断。通过在CSDI上对几种最先进的MLLM进行基准测试，验证了该数据集注释的高质量。