跳转到主要内容

#诊断

3 篇

与"诊断"相关的眼科资讯

学术研究

人工智能在IgG4相关眼病与眼眶MALT淋巴瘤鉴别中的应用

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。

#人工智能#眼科#诊断
PubMed Ophthalmology #1/3
READ
学术研究

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 #2/3
READ
学术研究

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。

#人工智能#口腔癌#诊断
PubMed Ophthalmology #3/3
READ