多模态AI在视网膜疾病中的临床转化路径
摘要
本文为特刊导言，指出当前AI在视网膜图像分类和筛查中进展显著，但临床价值取决于能否支撑患者全程决策。多模态AI可整合眼底照相、OCT、OCTA、超广角成像等影像数据与临床特征、治疗史及纵向变化，以提升风险分层、病情监测和个体化随访能力。研究强调需超越单一技术指标，验证其相较单模态模型和临床基线的增量价值，并在真实世界中评估对视力功能、转诊合理性、治疗时机等终点的影响。
信息来源： PubMed Ophthalmology 发布于 2026年9月7日
要点速览
- 多模态AI整合多种视网膜影像与临床数据，目标是提升风险分层、治疗响应预测和个体化随访能力
- 研究强调需验证其相较强单模态模型和临床基线的增量价值，并解决缺失数据、分布偏移等问题
- 评估应扩展至视觉功能、转诊合理性、治疗时机、安全性、可及性与患者体验等真实世界终点
本站解读
这项导言不是新实验结果，而是对整个领域方向的权威校准：多模态AI不是堆砌更多影像类型或更大参数量就自动有用——它必须证明比医生现有判断或单模态AI更可靠地影响关键临床终点，比如让患者少跑一趟医院、更快启动抗VEGF治疗、或更早识别出视力将急剧下降的人。原文明确要求验证须覆盖不同机构、设备和人群，且评价标准要从‘算法认得准不准’转向‘患者看得清不清、治得及时不及时’。这预示未来3–5年，真正进入临床的AI系统将不再靠AUC值说话，而要拿出降低误转诊率、缩短平均治疗延迟等硬数据。国内情况有待确认。
普通人无需因此改变日常用眼习惯或主动寻找AI诊断服务；这类技术目前处于医院端辅助工具阶段，不面向公众直接使用。如有疑虑可咨询眼科医生。
常见问题
AI看眼底照片能代替医生看病吗？
不能代替。原文明确指出，AI的临床价值不在于图像识别准确率多高，而在于能否支持医生做出更及时、更精准的全程决策，比如优化转诊、调整用药时机。它定位是辅助工具，最终诊断和治疗方案仍由医生完成。如有疑虑可咨询眼科医生。
现在去大医院检查，会用上这种多模态AI吗？
目前尚未普遍应用。原文强调这类AI尚处临床转化早期，需通过跨机构、跨设备、跨人群的外部验证，并证明对真实世界终点（如视力保护、治疗负担）有实际改善。现阶段多数仍处于研究或试点阶段。
延伸阅读
中性集相似度增强的OCT图像视网膜病分类模型
研究者提出一种结合中性集相似度（NSS）与EfficientNetB3的深度学习框架，用于光学相干断层扫描（OCT）图像的视网膜疾病自动分类。该方法先将OCT图像转换至中性集域，用NSS联合CLAHE增强结构信息、抑制噪声与模糊性，再输入EfficientNetB3训练。实验显示，该模型整体准确率达95.25%，精确率、召回率和F1分数均超95%，优于仅用原始OCT图像训练的传统深度学习模型。
AI 重塑眼科成像：细胞级检测走向临床
美国国立眼科研究所发布研究进展，指出人工智能技术正推动眼部细胞级成像技术向日常临床使用迈进。通过将先进的眼科成像技术交给医疗提供者，能够大幅提升视网膜疾病早期检测能力，并指导治疗以防止视力丧失。该技术旨在利用 AI 增强图像质量，使原本复杂的成像手段更易于在普通医疗机构普及，从而改善患者预后。
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。