#AI辅助诊断

PubMed Ophthalmology #1/9

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。

#AI辅助诊断#角膜塑形镜#近视控制

PubMed Ophthalmology #2/9

高粘度硅油在视网膜脱离手术中的优势

本研究通过回顾性分析，比较了1000 cS和5000 cS两种不同粘度的硅油作为填充剂在初次黄斑脱离的孔源性视网膜脱离（RRD）手术后的效果。研究使用人工智能（AI）辅助的光谱域OCT图像分析方法，评估了最佳矫正视力（BCVA）、眼内压（IOP）、乳化情况以及视网膜结构生物标志物如视网膜下液（SRF）、视网膜内液（IRF）和高反射点（HRF）。结果显示，尽管两组在BCVA和解剖学结果上无显著差异，但低粘度硅油组的乳化率（66% vs. 7%）和高眼压发生率（8例 vs. 4例）均显著高于高粘度硅油组。此外，低粘度硅油组的HRF数量也显著增加。结论表明，高粘度硅油具有更低的乳化率和炎症反应，且不影响视觉效果。AI辅助的OCT分析为监测硅油相关并发症提供了准确、自动化的手段。

#视网膜脱离#硅油#AI辅助诊断

PubMed Ophthalmology #3/9

印度非眼科医生主导与AI辅助糖尿病视网膜病变筛查的实效性研究

该研究在印度农村地区评估了三种糖尿病视网膜病变（DR）筛查模式：非眼科医生主导的健康和福利中心（HWCs）筛查、基于智能手机的离线AI辅助社区筛查以及标准转诊护理。结果显示，非眼科医生主导的模型在DR检测中表现出86.4%的敏感性和94.3%的特异性，对于可转诊的DR（RDR），敏感性达到95.8%，特异性为93.1%。而离线AI辅助模型在RDR检测中的敏感性为93.3%，特异性为85.1%，但因图像质量问题导致不可分级率高达38%。研究表明，非眼科医生主导的筛查在准确性和操作可行性方面更优，而AI辅助筛查在社区使用中有潜力但需解决图像质量和技术限制。

#糖尿病视网膜病变#筛查#AI辅助诊断

PubMed Ophthalmology #4/9

AI赋能系统在早期胃癌检测中的突破

当前，胃癌是全球癌症相关死亡的主要原因之一，其早期诊断受到现有技术限制，导致高误诊率和漏诊率。为解决这一临床挑战，研究提出了一种集成的AI赋能成像系统，该系统结合了先进的硬件和软件技术，以优化诊断速度和准确性。核心算法One Class Twin Cross Learning (OCT-X)通过快速双阈值网格搜索策略（FDT-GS）和基于补丁的深度全卷积网络实现实时精确病变监测和分类。硬件平台包括一个集成了高分辨率成像传感器、实时数据处理能力和无线连接的一体化床旁测试设备，并由NI CompactDAQ系统和LabVIEW软件支持。该系统实现了99.70%的诊断准确率，比现有最先进模型提高了4.47%，并在多速率适应性方面提升了10%，确保在不同成像条件和患者特征下具有稳健性能。

#AI辅助诊断#早期胃癌检测#医学影像

PubMed Ophthalmology #5/9

无训练视觉-语义融合技术在罕见眼病诊断中的突破

先天性视乳头凹陷综合征（MGS）是一种罕见的先天性疾病，约50%的患者会出现视网膜脱离。广泛筛查有助于早期发现，但对医疗资源造成巨大负担。现有AI辅助诊断方法依赖大规模数据集进行特征学习，而MGS数据稀缺限制了模型优化。为此，研究提出了一种无需训练的方法TF-VSF，利用基础模型和MGS特异性病理结构生成低维、精炼的特征表示。具体而言，基于通道的视觉重校准模块引入SAM预训练知识生成粗分割掩码，再通过金字塔校准模块无参数地过滤高维语义结构。随后，基于语义的位置感知模块利用CLIP预训练知识生成边缘能量控制的隐式特征表示，并与CVR模块的精炼特征融合。最终通过独立成分分析特征降维和密度约束聚类实现分级结果。研究构建了1016张MGS眼底图像的数据集，TF-VSF在准确率和F1分数上分别达到95.87%和93.50%，超越了自监督、全训练及无训练方法。

#AI辅助诊断#罕见病#视乳头凹陷综合征

PubMed Ophthalmology #6/9

AI辅助即时成像技术在临床决策支持中的系统评估

背景：人工智能（AI）与即时成像（POC）的结合已成为扩展诊断能力的有效手段，特别是在缺乏专科医生的情况下。然而，目前尚无系统性综述全面评估多种POC成像模式下的AI辅助临床决策支持系统、解释性实现及临床影响证据缺口。目的：系统评估和综合分析基于POC成像的AI临床决策支持系统的证据，特别关注任务转移潜力、解释性实现及临床结果证据。方法：研究者检索了PubMed、Scopus、IEEE Xplore和Web of Science（2018年1月至2025年11月），纳入了在POC临床环境中应用AI/机器学习系统的研究，并使用QUADAS-2评估方法学质量。结果：共纳入20项研究，涵盖15个国家约78,296名患者。研究涉及结核病、乳腺癌、深静脉血栓等多种疾病，使用超声、胸部X光、眼底摄影等成像方式。中位敏感性和特异性分别为92%和90.6%。65%的研究展示了任务转移潜力，非专科人员经过1小时培训后可达到专科水平。解释性AI（XAI）实施存在显著差距，75%的研究未提及解释性，10%提供了用户解释，但均未评估临床医生对解释的理解或XAI对决策的影响。结论：尽管AI辅助POC成像显示出良好的诊断准确性和任务转移潜力，但仍存在关键证据缺口，包括缺乏患者结局测量、解释性评估不足等问题。

#AI辅助诊断#即时成像#眼科技术

PubMed Ophthalmology #7/9

AI辅助眼底成像在儿童青光眼初步筛查中的应用

该研究旨在评估基于智能手机的AI辅助眼底成像技术在儿童青光眼筛查中的可行性和性能。研究纳入了21名不同类型的青光眼患儿，通过对比AI分析结果与临床评估，发现AI系统在垂直杯盘比（VCDR）上的95%一致性界限为-0.15至+0.23。对于8名具有结构性视神经改变的患儿，AI推荐转诊7例，并未对无此类改变的患儿进行转诊推荐。研究结果表明，AI辅助的眼底成像技术可能有助于识别具有结构性视神经改变的儿童青光眼病例。

#AI辅助诊断#眼底成像#儿童青光眼

PubMed Ophthalmology #8/9

自身免疫性视神经炎的诊断与分类进展及挑战

自身免疫性视神经炎（ON）是一组异质性疾病，包括多发性硬化症（MS）、视神经脊髓炎谱系障碍（NMOSD）、髓鞘少突胶质细胞糖蛋白抗体相关疾病（MOGAD）及其他病因。早期和准确的诊断对于选择合适的治疗路径至关重要。本文综述了当前关于临床表现、警示信号以及结构化神经眼科评估的知识，并讨论了影像学、电生理学和液体生物标志物等辅助工具的应用。基于PubMed/MEDLINE数据库2000年1月至2025年6月期间的文献（重点是2022-2025年），并结合关键共识标准和里程碑研究的参考筛选，本文还探讨了诊断灰色地带，如血清阴性和未分类的ON，以及实际实施中的障碍，例如协议变异性、检测可及性、光学相干断层扫描（OCT）互操作性和报销问题。此外，文章概述了人工智能（AI）在影像数据分析和多参数整合中的应用前景。专家认为，标准化诊断路径应整合眼眶磁共振成像（MRI）、高质量抗体检测、OCT和视觉诱发电位（VEP）。液体生物标志物如血清神经丝轻链（sNfL）和血清胶质纤维酸性蛋白（sGFAP），结合AI支持的分析，可能有助于提高风险估计的准确性，尤其是在血清阴性病例中。

#自身免疫性视神经炎#诊断#生物标志物 +1

PubMed Ophthalmology #9/9

2026年3月30日

优化深度学习技术提升糖尿病视网膜病变检测

糖尿病视网膜病变（DR）是导致糖尿病患者视力丧失的主要原因之一，早期检测至关重要。现有的机器学习和优化方法在处理高维、异质性和复杂的视网膜图像时面临挑战。本研究提出了一种动态蝗虫优化算法（DGOA），通过自适应参数控制选择最具区分性的特征，并结合集成学习分类器，提高了模型的鲁棒性和准确性。该方法在EyePACS数据集上进行了验证，结果显示其在计算效率、泛化能力和物理信息特征提取方面具有显著优势。

#糖尿病视网膜病变#深度学习#AI辅助诊断