AI在眼科疾病诊断中的进展与挑战
摘要
这篇综述总结了人工智能在眼科疾病检测中的应用现状，涵盖糖尿病视网膜病变、青光眼、年龄相关性黄斑变性等多种疾病。多项AI工具已获监管批准用于糖尿病视网膜病变筛查。新兴的基础模型和多模态大语言模型正提升跨数据集和影像类型的泛化能力，而早期的智能体AI系统可协同完成检测、决策支持与报告生成。尽管技术性能突出，临床常规应用仍受限于技术、伦理、经济及监管等多重障碍。
信息来源： PubMed Ophthalmology 发布于 2026年9月28日
要点速览
- AI工具已在糖尿病视网膜病变、青光眼、年龄相关性黄斑变性等多种眼病中展现高诊断性能。
- 多个AI工具已获监管批准用于商业化糖尿病视网膜病变筛查。
- 基础模型和多模态大语言模型正推动更通用、更高效的眼病检测能力。
- AI在眼科的实际临床应用仍受技术、伦理、经济和监管等多重障碍限制。
- 未来重点需转向真实世界前瞻性验证，并解决模型透明性、偏倚及临床适配问题。
本站解读
这项综述指出，AI系统已在糖尿病视网膜病变（DR）等主要眼病中展现出足够高的诊断性能，且‘已有多个工具获得监管批准用于商业DR筛查’——这是目前最扎实的临床落地信号。但‘仅有限转化为常规临床实践’的表述直指现实落差：再高的准确率，若无法嵌入医生工作流、缺乏透明度或未通过真实世界验证，就难被信任和采用。
研究设计本身是文献综述，不涉及新数据或样本量，因此不评估疗效或安全性，而是梳理趋势与瓶颈。它靠谱之处在于系统性归纳了当前最前沿的技术路径，如自监督训练的基础模型和整合影像与临床数据的多模态大语言模型；但这类技术多数仍处于实验室或试点阶段，离基层筛查或门诊辅助还有距离。
普通人无需因此改变日常用眼习惯或主动寻求AI检查——目前没有证据表明AI诊断会替代医生判断或改变患者就诊路径。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
AI能代替眼科医生看片子吗？
不能代替。目前AI主要用于辅助筛查，比如识别眼底照相或OCT图像中的糖尿病视网膜病变迹象，但最终诊断、治疗方案制定和患者沟通仍由医生完成。已有多个AI工具获监管批准用于糖尿病视网膜病变筛查，但它们定位是‘辅助工具’而非‘决策主体’。如有疑虑可咨询眼科医生。
现在去医院做检查，会用上这些AI系统吗？
目前绝大多数医院尚未将AI系统纳入常规检查流程。虽然部分AI工具已获监管批准用于糖尿病视网膜病变筛查，但综述明确指出其‘仅有限转化为常规临床实践’。真实世界部署还面临系统集成、医生接受度、责任界定等实际障碍。如有疑虑可咨询眼科医生。
延伸阅读
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。
超广角OCTA联合临床指标识别2型糖尿病早期视网膜病变
该研究纳入1676名2型糖尿病患者，其中1047人用于训练、453人用于内部测试、176人来自社区的外部验证集。研究结合超广角光学相干断层扫描血管成像（UW-OCTA）图像与临床指标（如病程、糖化血红蛋白、低密度脂蛋白胆固醇和收缩压），构建多模态深度学习模型。结果显示，多模态模型在内部和外部验证集中AUC分别为0.921和0.849，优于仅用图像或仅用临床数据的模型，提示其有助于无创识别早期糖尿病视网膜病变。
FedMediFormer-XAI：面向糖尿病的联邦多模态AI框架
该研究提出FedMediFormer-XAI框架，整合联邦学习、多模态Transformer、扩散模型数据增强、图神经网络（GNN）药物推荐和可解释AI（XAI），用于糖尿病预测与个性化用药推荐。系统融合临床记录、眼底图像、动态血糖监测、可穿戴设备数据等多源异构信息。在代表性实现中，疾病预测准确率达94.2%，AUC-ROC为0.96；药物推荐模块NDCG达0.91。