AI在眼科诊断中的角色：增强与创新
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年2月17日
要点速览
- AI在医学诊断中有两种应用模式：增强和创新
- 增强型AI可能带来技能退化且未必显著改善临床结果
- 创新型AI通过发现新变量为疾病诊断提供新思路
本站解读
随着AI技术在眼科领域的不断渗透，其应用模式正经历深刻变革。增强型AI旨在通过辅助工具提升医生在特定任务上的表现，但这种模式存在潜在风险，即过度依赖可能导致医生技能退化，而实际临床效果并未显著提升。相比之下，创新型AI则致力于发现人类难以察觉的新变量，如从视网膜眼底图像中提取“视网膜年龄差距”，这为疾病早期诊断和个性化治疗提供了新思路。
国内外研发管线中，增强型AI已较为成熟，多家企业如Google Health、Airdoc等已在多项临床试验中展示了其在糖尿病视网膜病变筛查中的应用。然而，创新型AI仍处于探索阶段，尽管已有初步成果，但其临床验证和普及尚需时日。未来，行业竞争将不仅限于技术层面，更在于如何平衡AI与医生之间的协作关系，确保技术进步真正转化为患者福祉。
后续需要密切留意的是，各国监管机构对AI医疗应用的态度及政策调整。此外，随着数据隐私保护法规的日益严格，如何在保障患者隐私的前提下推进AI技术的发展，也将成为行业关注的焦点。
常见问题
AI在眼科诊断中有哪些应用？
AI在眼科诊断中主要应用于增强医生在特定任务上的表现，如息肉检测；以及发现新的变量，如视网膜年龄差距。
使用AI辅助诊断有哪些风险？
使用AI辅助诊断可能带来医生技能退化，且未必显著改善临床结果。如有疑虑可咨询眼科医生。
延伸阅读
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。
AI助力X连锁视网膜色素变性患者视野估计
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。
HOG-CNN：融合梯度直方图与卷积神经网络的视网膜图像分类
视网膜图像分析在早期检测和诊断糖尿病视网膜病变（DR）、青光眼和年龄相关性黄斑变性（AMD）等疾病中至关重要。然而，传统诊断流程依赖于人工解读，耗时且资源密集。为解决这些问题，研究提出了一种基于HOG-CNN混合特征提取模型的自动化临床决策支持框架。该模型将手工设计的梯度直方图（HOG）特征与预训练深度卷积神经网络EfficientNetB3学习到的表示相结合，从而捕捉视网膜图像中的局部纹理模式和高级语义特征。通过在APTOS 2019、ORIGA和IC-AMD三个公开基准数据集上的评估，HOG-CNN在二分类和多分类DR、AMD诊断以及青光眼检测中均表现出色，准确率和AUC值显著高于现有先进模型。此外，其轻量级和可解释的设计使其特别适合资源受限的临床环境。