跳转到主要内容
学术研究

AI辅助青光眼筛查:关键在转诊和后续诊疗是否衔接

PubMed Ophthalmology (2026年10月1日)

摘要

这是一篇讨论AI辅助青光眼筛查如何落地的文章。文章指出,基于眼底照片的AI已在社区和基层眼科服务中被探索,但屈光间质混浊和图像质量差会限制判读,不加选择的筛查可能带来不必要的转诊,许多被识别需进一步评估的人也未必走完转诊流程。作者认为AI应是筛查策略的一部分而非临床评估的替代,建议基于风险选择人群、及早识别无法分级的图像,便携式视野检查的作用尚待确立。

信息来源: PubMed Ophthalmology 发布于 2026年10月1日

要点速览

  • 基于眼底照片的AI已在社区和基层眼科服务中被探索,价值取决于能否融入常规诊疗路径
  • 屈光间质混浊和图像质量差会限制判读,不加选择的筛查可能带来不必要的转诊
  • 许多被识别为需要进一步评估的人可能没有完成转诊流程
  • 作者认为AI只是筛查策略的一部分,不是临床评估的替代,便携式视野检查的作用尚待确立

本站解读

这篇文章谈的不是某个新算法,而是一个更实际的问题:眼底照片AI筛出可疑视神经之后,筛查流程能不能真正运转。文章指出几处卡点:屈光间质混浊和图像质量差会限制判读,不加选择的筛查会带来不必要的转诊,不少被识别出的人也可能没有完成转诊。

它属于观点性文章,摘要没有给出研究数据或样本量,论点来自作者对现有进展的梳理。文章自己也承认,便携式或平板式视野检查能否在基层补充功能评估,其作用还有待确立。

我们的判断是,这篇文章把评价AI筛查的重点从算法指标转到了转诊和诊疗是否衔接,这个视角比单看性能数字更贴近筛查的目的,但具体做法的效果仍需真实世界数据检验。国内情况有待确认。

常见问题

AI筛查青光眼能代替眼科医生检查吗?

不能。文章的观点是,AI最好被视为筛查策略的一部分,而不是临床评估的替代。AI能找出可疑的视神经,但被筛出的人还需要进一步评估和后续诊疗。文章强调,真正的衡量标准是未被发现的青光眼患者能否及时得到诊断、治疗和持续照护。如有疑虑可咨询眼科医生。

AI筛查提示可疑,就是得了青光眼吗?

不能这样认为。文章说的是AI识别出的是可疑的视神经,之后需要进一步的临床评估。同时,图像质量差、屈光间质混浊等会限制判读,不加选择的筛查还会产生不必要的转诊。如有疑虑可咨询眼科医生。

相关病种 青光眼

延伸阅读

学术研究

眼底照片AI筛青光眼:1707张公开图像的回顾性研究

巴基斯坦Al-Shifa Trust眼科医院团队用来自五个公开数据集的1707张眼底照片,比较了EfficientNetV2b0等五种卷积神经网络,把图像分为青光眼与健康两类。这是回顾性研究。表现最好的EfficientNetV2b0曲线下面积(AUC)0.98,准确率93%,敏感度97%,精确率89%,F1分数93%。作者认为该方法适合大规模筛查和资源不足的环境。

#青光眼#人工智能#眼底照片 +1
PubMed Ophthalmology
学术研究

深度学习算法在眼底照相中识别青光眼的外部验证

研究对外部人群队列(鹿特丹研究,50-80岁共9837名参与者、19088只眼)验证了一种基于彩色眼底照相(CFP)的深度学习算法,该算法曾获AIROGS挑战赛冠军,训练数据为101442张黄斑中心CFP。结果显示:在95%特异性下,眼水平敏感度为70.6%,ROC-AUC为0.911;真阳性者视野损害更重(平均偏差-10.8 vs -5.8 dB);54%的真阳性者在确诊前4–7年即被算法标记;视盘中心CFP比黄斑中心CFP判别性能略优;视神经乳头显示不全显著降低阳性预测值。

#青光眼#人工智能#眼底照相 +1
PubMed Ophthalmology
学术研究

基于深度学习的非洲裔原发性开角型青光眼筛查模型

原发性开角型青光眼(POAG)是一种导致失明的重要疾病,尤其在非洲裔人群中发病率较高。然而,现有的AI筛查模型数据集中,非洲裔人群的数据代表性不足。本研究开发了一种基于深度学习的POAG筛查模型,使用了来自Primary Open-Angle African American Glaucoma Genetics (POAAGG)项目的64,129张眼底照片,包括1782例病例和682例对照组。该模型通过二分类器选择最具信息量的六张图像,并利用Vision-Transformer预测每张图像的POAG概率,最终通过平均概率进行诊断(AUC=0.925)。该模型在REFUGE-1数据集(中国人群)上也进行了验证(AUC=0.920),显示出其在不同人群中的普适性和有效性。该模型有望在初级保健机构及资源匮乏地区实现POAG的大规模筛查。

#人工智能#青光眼#筛查
PubMed Ophthalmology