近视AI工具的临床落地仍处早期阶段
摘要
该综述梳理了人工智能在近视筛查、风险预测和干预规划中的应用进展，指出当前研究多集中于算法开发与验证，而真实世界部署、监管审批、经济学评估及临床信任度等关键环节严重滞后。目前尚无专用于近视的AI系统作为获批医疗器械进入常规临床使用，少量实施研究开始探索其在现有医疗系统中的整合，但缺乏对患者结局和管理改变的实证。
信息来源： PubMed Ophthalmology 发布于 2026年11月1日
要点速览
- 目前尚无专用于近视的AI系统作为获批医疗器械进入常规临床使用。
- 近期研究已将AI应用于近视筛查、风险分层和个性化干预规划等多个环节。
- 少数实施研究开始评估AI在现有医疗系统中的整合，但极少关注患者结局或管理改变。
本站解读
这项综述明确指出：AI在近视领域的真正瓶颈不是算法好不好，而是能不能用、敢不敢用、值不值得用——目前连一个专用于近视的AI系统都还没成为获批的常规医疗器械。研究设计上，它本身是文献综述而非原始试验，但所依据的‘近期研究’普遍样本量小、场景封闭，多数只报告算法准确率，极少追踪患者是否因此少近视了、少并发症了、少花了钱了。这意味着，从论文到诊室的距离，远不止技术优化一步，更需前瞻性实施研究、成本效益数据和监管路径突破。
短期内临床做法不会因此改变；医生仍需依赖传统检查和经验判断。普通人无需调整日常护眼行为，也不必寻找所谓‘AI近视检测服务’——这类工具尚未通过真实场景验证，更未形成临床标准。国内情况有待确认。
常见问题
现在医院里用的AI查近视准不准？
目前没有近视专用AI系统作为获批医疗器械在医院常规使用。已有研究多在实验室或小范围试点中验证算法性能，但尚未证明其能稳定改善患者实际结局，如延缓近视进展或减少并发症。如有疑虑可咨询眼科医生。
AI能帮我孩子预防近视吗？
现阶段AI尚未进入近视预防的临床实践环节。虽然研究显示AI可用于风险预测和个性化干预规划，但这些应用仍处于算法验证阶段，缺乏真实世界中降低近视发生率的证据。日常防控仍应以户外活动、用眼习惯和定期检查为基础。
延伸阅读
AI量化眼底豹纹状改变助力近视研究
该综述梳理了近年利用人工智能（特别是深度学习）对眼底豹纹状改变（FT）进行定量分析的研究进展。重点介绍了眼底豹纹状密度（FTD）的计算方法，及其与眼轴增长、脉络膜变薄和近视程度加重的一致性关联。研究还发现FTD在视盘周围和黄斑区存在空间分布差异，提示其可能作为近视结构性改变的影像学生物标志物。
AI增强OCT可准确量化冠状动脉斑块负荷
研究团队开发了一种深度学习算法，用于全自动分析光学相干断层扫描（OCT）图像，以量化冠状动脉斑块负荷（PB）和血管尺寸。研究使用10例尸检人的心脏，对29支主要冠状动脉进行OCT和血管内超声（IVUS）成像，并与组织病理学金标准对比。共获得852个匹配的横截面数据，结果显示AI-OCT与病理结果的相关性不劣于IVUS，且无统计学显著差异。
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。