跳转到主要内容
学术研究

AI辅助阴性筛查可大幅减少眼底阅片量

PubMed Ophthalmology (2026年9月1日)

摘要

研究评估了一种AI辅助阴性筛查工作流对糖尿病视网膜病变(DR)、视网膜静脉阻塞(RVO)和年龄相关性黄斑变性(AMD)的临床价值。基于6904张彩色眼底照相,由三位视网膜专家独立判读,以另两位专家一致意见为金标准。结果显示:该流程将医生需直接阅片的比例降至DR 7.3%-8.0%、RVO 11.7%-11.9%、AMD 13.5%-16.8%,但DR和AMD的敏感度显著下降,RVO则保持稳定。

信息来源: PubMed Ophthalmology 发布于 2026年9月1日

要点速览

  • 研究基于6904张彩色眼底照片,由三位视网膜专家独立判读,以另两位专家一致意见为参考标准
  • AI阴性筛查流程将医生需直接阅片比例降至DR 7.3%-8.0%、RVO 11.7%-11.9%、AMD 13.5%-16.8%
  • DR敏感度从0.9168降至0.8838,AMD从0.8570降至0.8445,RVO敏感度未变
  • 三类疾病的特异度均无显著变化,研究者建议按病种制定实施策略

本站解读

这项研究评估的是一种AI排阴流程:AI判为阴性的眼底照片直接归为正常、不再由医生看,AI判为阳性的才交给医生判读。结果显示医生需要直接看的图像大幅减少,糖尿病视网膜病变只剩7.3%至8.0%,视网膜静脉阻塞为11.7%至11.9%,年龄相关性黄斑变性为13.5%至16.8%。

代价是部分病例会被漏掉。糖尿病视网膜病变的敏感度从0.9168降到0.8838,下降约3.3个百分点;黄斑变性从0.8570降到0.8445;视网膜静脉阻塞的敏感度没有变化。研究使用6904张彩色眼底照片,由三位视网膜专家独立判读,以另外两位的一致意见作为参考标准,设计较规范,但它评估的是已有图片,没有在真实筛查流程中验证。

我们的判断是,这项研究提醒部署方,AI排阴能否用、怎么用,需要按病种分别设定策略,而不是一套流程通用。国内眼底照片AI筛查同样面临效率与漏诊之间的取舍,这项研究提供了按病种权衡的思路,原文未涉及该流程在中国的应用。参加眼底筛查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吗?

不能代替。该AI只用于阴性筛查,即把判为阴性的图片自动归为正常、跳过医生审核,所有AI判为阳性的图像仍需医生复核。研究中糖尿病视网膜病变和黄斑变性的敏感度有所下降,说明会漏掉少部分真实患者,因此仍需医生把关。原文未涉及这一流程在国内的使用,如有疑虑可咨询眼科医生。

用了这个AI,查眼底会更便宜更快吗?

目前还不能这么说。研究只评估了医生阅片量和漏诊情况,没有涉及检查费用、等待时间或患者体验。AI排阴流程可以减少医生需要看的图片,但能否转化为更便宜、更快的检查,取决于医院如何部署和收费。原文未涉及该流程在中国的应用,如有疑虑可咨询眼科医生。

延伸阅读

学术研究

AI模型用45°眼底照准确识别糖尿病视网膜病变

研究基于印度南部2610名40岁以上参与者的数据,训练深度学习模型分析45°和200°超广角眼底图像。结果显示,该模型在45°图像上DR分级准确率达97.24%,将漏判率从16.5%降至6.2%;Grad-CAM显示模型聚焦中央区域,血管分析发现眼底周边病变与中央血管密度、迂曲度变化相关,提示AI可捕捉亚临床血管改变。

#人工智能#糖尿病视网膜病变#眼底筛查
PubMed Ophthalmology
学术研究

AI用于糖尿病视网膜病变早期筛查的现实应用

这篇综述梳理了人工智能在糖尿病视网膜病变(DR)筛查与管理中的实际应用。全球约三分之一的糖尿病患者会发展为DR,而该病导致的视网膜损伤不可逆。尽管已有眼底照相和OCT等筛查手段,但受限于设备可及性与专业判读能力。AI工具如IDx-DR、EyeArt和谷歌算法已展现出接近甚至超越人工判读的准确性,尤其在识别轻中重度DR及糖尿病性黄斑水肿方面表现突出,并支持风险分层与治疗决策。

#人工智能#糖尿病视网膜病变#眼底筛查
PubMed Ophthalmology
学术研究

AI诊断糖尿病视网膜病变的准确性评估

一项在二级眼科中心开展的前瞻性研究,纳入294名患者共576只眼,使用Topcon NW400相机拍摄眼底照相,由Google ARDA AI工具与视网膜专科医生分别判读。以医生判读为金标准,AI对糖尿病视网膜病变(DR)的敏感性达97.1%,特异性90.9%,Kappa值0.77;对糖尿病性黄斑水肿(DME)诊断效率89.9%,但Kappa仅0.48,一致性较弱。

#人工智能#糖尿病视网膜病变#眼底筛查
PubMed Ophthalmology