人工智能在IgG4相关眼病与眼眶MALT淋巴瘤鉴别中的应用
摘要
免疫球蛋白G4相关眼病（IgG4-ROD）和眼眶黏膜相关淋巴组织（MALT）淋巴瘤的鉴别诊断一直是临床难题，因其影像学特征和临床表现高度相似。近年来，人工智能（AI），尤其是放射组学和深度学习技术，在提高诊断准确性方面展现出巨大潜力。通过提取高维影像特征并构建稳健的预测模型，这些技术能够显著提升诊断精度。本综述系统性地探讨了当前AI在区分IgG4-ROD与眼眶MALT淋巴瘤中的应用现状，重点介绍了基于图像特征提取、模型开发及诊断性能评估的关键方法。此外，还讨论了多模态影像数据整合的各种AI技术，并针对这一临床背景提出了深度学习架构优化策略。尽管AI辅助诊断工具在实际应用中面临样本量小、单中心回顾性设计、数据变异性、可解释性等问题，但通过综合近期研究成果，本文旨在提供一个全面的AI驱动诊断进展概览，评估现有挑战，并提出未来改进方向，以支持更精准的临床决策。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- AI技术在IgG4相关眼病与眼眶MALT淋巴瘤鉴别诊断中展现出巨大潜力
- 放射组学和深度学习是主要的技术手段，通过提取高维影像特征并构建预测模型
- 实际应用中仍面临样本量小、数据变异性、可解释性等问题，需进一步优化
本站解读
随着人工智能技术在眼科领域的不断渗透，其在复杂疾病鉴别诊断中的应用正逐渐改变行业格局。IgG4相关眼病与眼眶MALT淋巴瘤的鉴别诊断长期以来依赖于经验丰富的医生，但由于两者影像学特征高度重叠，误诊率一直居高不下。AI技术的引入，特别是放射组学和深度学习的应用，为这一难题提供了新的解决方案。通过提取高维影像特征并构建预测模型，AI能够显著提高诊断准确性，这不仅有助于减少误诊，还能加速患者的治疗进程。
然而，这种技术路线的变迁也带来了新的竞争生态。国内外多家研究机构和企业纷纷投入资源进行研发，试图在这一领域占据领先地位。目前，国内企业在AI医疗影像分析方面已取得一定进展，但仍需面对数据量不足、单一中心数据局限性等挑战。相比之下，国外一些大型医疗机构和科技公司凭借其丰富的数据资源和技术积累，在这一领域具有明显优势。
未来，随着更多高质量数据的积累和算法的不断优化，AI在眼科疾病鉴别诊断中的应用将更加广泛。然而，如何确保这些AI工具在不同医疗机构间的普适性和可靠性，将是下一步需要重点关注的问题。此外，AI技术的可解释性和伦理问题也不容忽视，这些问题的解决将直接影响AI在临床实践中的接受度和应用效果。
常见问题
AI能帮我确诊眼病吗？
AI技术在眼病诊断中有很大潜力，但最终的确诊仍需由专业眼科医生根据多种检查结果综合判断。如有疑虑可咨询眼科医生。
这项技术什么时候能普及？
虽然AI在眼病诊断中已有初步应用，但要实现大规模普及还需解决数据量、算法优化和伦理问题。具体时间表有待确认。
延伸阅读
人工智能在口腔癌诊断与分诊中的应用：临床视角综述
早期诊断口腔鳞状细胞癌（OSCC）仍面临挑战，生存率主要取决于诊断时的分期。人工智能（AI）有望通过临床照片、放射影像、光学成像和数字病理学增强检测和临床决策。本综述汇总了截至2025年10月的同行评审PubMed索引英文文献，优先考虑前瞻性设计、外部验证和临床可解释模型。研究集中在临床相关任务上，如临床图像中的病变分诊、CT/MRI/PET上的淋巴结转移预测、光学方法的边缘评估以及基于全切片图像的组织病理学诊断/分级。此外，还讨论了实施问题，包括数据集偏移、偏见和报告标准。结果显示，在临床照片中，深度学习在单中心研究中对OSCC和口腔潜在恶性疾病的分类具有高诊断准确性，并在多站点外部测试中显示出良好的泛化能力，但在分布外图像和现实世界伪影下性能下降。在放射学中，放射组学和深度学习模型通过多模态特征融合提高了风险分层和淋巴结转移预测。光学方法如高光谱空间频率域成像和OCT结合AI在术中边缘评估和诊所分诊中显示可行性。数字病理学模型在全切片图像上接近专家级分类，开始预测口腔上皮发育不良的恶性转化风险，但严格的前瞻性验证仍然稀缺。结论是，OSCC的AI系统正在成熟并面向临床，但在常规采用前需证明外部有效性、临床医生参与性能、校准及对诊断时间和患者结果的影响。
RETFound Plus：基于时间序列的眼底疾病预测模型
现有视网膜基础模型（FMs）在横断面分类和检测中表现出色，但在疾病发生和发展预测方面效果有限。本研究提出了一种新的基于彩色眼底照片（CFP）的基础模型RETFound Plus，通过时间建模训练了1,304,292张眼底照片，涉及304,345名参与者多次随访的数据。与RETFound相比，RETFound Plus在系统性疾病（如中风、心肌梗死、糖尿病和高血压）的校准和5年风险预测上提高了4-10%的c指数，在眼部疾病（如糖尿病视网膜病变和青光眼）上提高了3-7%的c指数，并且在系统性疾病的风险分层上表现更优。这些结果在英国、美国、新加坡、香港和丹麦的多区域、多民族数据集中得到了一致验证。
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。