大型语言模型在角膜塑形镜初次试戴参数选择中的辅助作用评估
摘要
本研究旨在评估大型语言模型（LLMs）在角膜塑形镜（Ortho-K）初次试戴参数选择中的辅助作用。通过回顾性分析，使用了四种LLMs（GPT-4o, GPT-o3, GPT-4.1和Claude 3.7 Sonnet）来分析屈光不正病例，并获取关于初次试戴镜片参数的建议。主观评价包括答案的准确性和整体质量，客观评价则关注初次试戴镜片参数的差异。结果显示，不同模型的准确性存在显著差异，且系统性参数偏差主要涉及BC和RZD。结论是，LLMs可以支持常规CRT相关的决策支持，但初次试戴镜片参数的选择仍需可行性约束和临床医生的验证。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 不同LLMs在角膜塑形镜初次试戴参数选择中的准确性存在显著差异
- 系统性参数偏差主要涉及BC和RZD
- LLMs可以支持常规CRT相关的决策支持，但仍需临床医生验证
本站解读
随着人工智能技术在医疗领域的不断渗透，大型语言模型（LLMs）逐渐成为眼科诊疗的重要辅助工具。这项研究揭示了LLMs在角膜塑形镜初次试戴参数选择中的潜力与局限。尽管LLMs在提供初步参数建议方面表现出一定的准确性，但其系统性偏差提示我们，这些模型尚不能完全替代临床医生的专业判断。
从商业格局来看，国内外多家科技巨头纷纷布局医疗AI领域，试图抢占市场先机。然而，眼科诊疗的复杂性和个性化需求使得这一领域的护城河依然坚固。国内企业在研发管线上的进展虽然迅速，但在实际应用中仍需克服诸多挑战。例如，如何确保模型的准确性和可靠性，以及如何在临床实践中实现无缝对接等。
后续需要密切留意的是，各大厂商是否能在现有基础上进一步优化模型性能，以及监管机构对于AI辅助诊疗的态度和政策导向。此外，随着数据积累和技术迭代，LLMs在眼科诊疗中的应用前景值得期待，但其能否真正提升患者体验和治疗效果，仍有待时间检验。
常见问题
这个研究对我的角膜塑形镜佩戴有什么影响吗？
这项研究评估了大型语言模型在角膜塑形镜初次试戴参数选择中的辅助作用。结果显示，这些模型可以提供初步参数建议，但最终选择仍需临床医生的验证。如有疑虑可咨询眼科医生。
这些大型语言模型能完全替代医生吗？
目前来看，大型语言模型在提供初步参数建议方面表现出一定的准确性，但系统性偏差提示它们尚不能完全替代临床医生的专业判断。最终决策仍需依赖医生的经验和判断。
延伸阅读
角膜塑形镜在青少年近视控制中的双眼对称性研究
该研究旨在评估青少年使用角膜塑形镜（Ortho-K）进行近视控制时，双眼屈光度（球镜等效值，SE）和角膜曲率（平均角膜曲率，Km）的对称性变化，并通过配对眼设计识别不对称治疗反应的临床预测因素。研究回顾分析了53名年龄在8至16岁的青少年（共106只眼），他们至少接受了6个月的角膜塑形镜治疗。结果显示，基线时双眼屈光度和角膜曲率的差异分别为0.28 ± 0.34 D 和 0.37 ± 0.29 D。治疗后，这些差异保持在较低水平（ΔSE: 0.22 ± 0.23 D; ΔKm: 0.15 ± 0.32 D），且无显著的左右眼差异。双侧相关性较强，少数参与者表现出较高的不对称性，但未发现显著的预测因素。此外，治疗开始时年龄较大和治疗时间较长与较慢的年化近视进展相关。
多模态多任务AI模型优化角膜塑形镜适配
本研究开发了一种多模态多任务人工智能（AI）模型，旨在通过分析角膜地形图模式和预测眼轴长度（AL）增长，同时输出最佳的角膜塑形镜（Ortho-K）参数及预测的眼轴增长概率，以支持临床决策。该模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率以及推荐镜片参数方面表现优异，为Ortho-K镜片的适配提供了有价值的决策支持。
角膜塑形镜与周边离焦眼镜在近视控制中的对比研究
青少年近视问题日益严重，本研究通过多光谱屈光地形图（MRT）评估了角膜塑形镜（OKL）和周边离焦眼镜（PDS）对近视进展和眼轴延长的影响。研究纳入75名6-15岁的儿童和青少年，分为OKL组（n=50）和PDS组（n=25）。结果显示，OKL组在总视网膜偏差值（TRDV）和RDV-45方面表现出更强的近视偏移，而两组在鼻侧（RDV-N）均表现出远视偏移，PDS组更为显著。6个月后，OKL组的眼轴延长显著（平均ΔAL=0.07mm, p<0.001），而PDS组无显著变化（p=0.24）。直接比较显示，OKL组的眼轴延长显著大于PDS组（p=0.01）。此外，PDS组的球镜等效度（SE）变化显著（p<0.001），表明其光学影响并未伴随相应的眼轴增长。这些发现提示，PDS可能有助于抑制某些儿童的眼轴延长，且MRT为评估周边屈光和个性化近视控制策略提供了有用工具。