手机裂隙灯 AI 筛查白内障
摘要
白内障诊断通常需医生使用裂隙灯进行散瞳检查，社区缺乏无需散瞳的便携筛查手段。本研究假设通过深度学习分析便携式手机裂隙灯原型拍摄的图像，可预测白内障严重程度。研究在三级诊所开展，采集了散瞳与未散瞳条件下的图像，并以 Pentacam 核分级评分为参考标准。这项试点研究旨在探索利用便携设备结合人工智能技术，实现客观高效的白内障社区筛查可能性，为后续技术开发提供初步依据。
信息来源： PubMed Ophthalmology 发布于 2026年3月20日
要点速览
- 该研究提出利用手机便携式裂隙灯结合深度学习技术预测白内障严重程度
- 试验在三甲诊所进行，对比了散瞳与不散瞳条件下使用原型设备采集图像的效果
- 目标是实现社区无需散瞳的客观白内障筛查，目前研究仍处于试点阶段有待确认
本站解读
这项研究看似只是给裂隙灯加了个手机支架，实则动了眼科诊断流程的根基。传统白内障分级依赖大型设备和医生经验，门槛高且难以下沉。便携式设备结合深度学习，意味着筛查场景能从三甲医院诊室延伸到社区甚至家庭，诊断权正在从专家经验向算法模型转移。特别是无需散瞳即可评估严重程度，极大提升了筛查效率，这对老龄化严重的中国市场尤为关键。
硬件同质化会让传统光学巨头的护城河变浅，未来竞争核心在于谁拥有更多标注高质量的临床图像数据。国内企业在硬件制造上有成本优势，但在多中心验证数据积累上仍落后于欧美试点项目，算法泛化能力是关键变量。一旦技术成熟，大型设备厂商可能被迫向软件服务转型，否则将面临边缘化风险。数据合规与隐私保护也将成为新的竞争壁垒。
目前全球管线多处于试点阶段，离大规模商用尚有距离。后续需密切关注该类设备能否拿到二类医疗器械证，以及是否有商业保险愿意为这种筛查结果买单。若打通支付环节，基层眼科服务格局将被重塑，患者就医路径也会随之改变。对于行业而言，谁先完成合规化落地，谁就能抢占基层筛查的入口流量。
常见问题
手机拍眼睛真的能看清白内障吗
这项研究用的是专门连接手机的便携式裂隙灯原型，不是普通手机拍照。目前还在研究阶段，不能替代医院检查。普通手机无法提供裂隙灯的光学切片效果，准确性无法保证。如有疑虑可咨询眼科医生进行专业评估
以后在社区就能确诊白内障吗
技术方向是这样，目的是方便筛查。但确诊和治疗方案还需要专业医生判断。目前还没大规模普及，具体时间有待确认。筛查结果仅供参考，不能作为最终诊断依据。基层医疗资源分配可能会因此优化
延伸阅读
AI眼底筛查需打通从检测到治疗的全链条
这篇综述指出，AI眼底筛查在糖尿病视网膜病变（DR）诊断中已展现出高准确性，但仅靠算法性能无法转化为实际公共卫生效益。研究强调必须覆盖图像采集、结果反馈、转诊落实、治疗可及性及弱势群体障碍等环节，提出涵盖技术有效性、服务整合、人群影响和公平可持续性的四维框架，并呼吁未来研究聚焦筛查覆盖率、图像可判读率、转诊完成率、治疗启动时间、可避免的视力丧失等真实世界结局。
白内障晶状体状态显著影响眼底照片估算的视网膜年龄
日本山梨大学医院一项回顾性研究分析了283只青光眼患者眼睛的眼底彩照，用深度学习算法估算视网膜年龄，并计算其与实际年龄之差（RAG）。结果显示平均RAG为-5.7±19.1年；晶状体完整（phakic）的眼睛RAG值显著高于已摘除晶状体并植入人工晶体（pseudophakic）的眼睛；视力越差、远视度数越高，RAG值也越大；而青光眼整体严重程度和视野缺损程度（MD）未显示显著关联。
人工智能在白内障诊疗中的应用现状与展望
该综述梳理了2021年以来人工智能在白内障全流程管理中的进展：在诊断与筛查中，AI模型对裂隙灯图像的自动识别和分级达到专家水平，荟萃分析显示AUC值接近0.99；在人工晶状体度数计算中，AI公式比传统公式更准，尤其适用于高度近视患者；术中可识别手术阶段并追踪器械；术后多模态AI模型能更好预测视力恢复和并发症。研究指出数据泛化性、算法可解释性及临床转化仍是主要挑战。