手机自拍AI测突眼度：多中心多族裔验证研究
摘要
研究验证了一种基于智能手机非影棚照片（包括患者自拍和医生日常拍摄）的深度学习模型，用于测量甲状腺眼病患者的突眼度。该模型在韩国两家医院（203例、79例）和西班牙一家医院（79例）共361名患者中测试，使用12种手机型号采集图像。与金标准Hertel测量相比，平均绝对误差为1.14–1.58 mm，对重度突眼（≥21 mm）识别的AUC达0.86–0.94。
信息来源： PubMed Ophthalmology 发布于 2026年11月1日
要点速览
- 研究在361名甲状腺眼病患者中验证了AI模型，使用非影棚智能手机照片估算突眼度，误差1.14–1.58 mm。
- 模型采用双流ResNet-18架构，联合处理面部图像与ZoeDepth生成的像素级深度图，适配12种手机型号。
- 在韩国和西班牙多中心验证中，AI对重度突眼（Hertel ≥21 mm）识别AUC达0.86–0.94，Bland-Altman分析显示高值区存在轻微低估。
本站解读
这项研究证实，用普通智能手机拍一张脸，AI就能较准确估算出突眼度——误差不到1.6毫米，接近专业医生用Hertel尺测量的水平。它不是靠理想化影棚照片，而是直接用患者自己拍的自拍照和医生在诊室随手拍的图，在韩国和西班牙两个不同族裔人群中都通过了验证，说明模型泛化能力较强。
研究设计扎实：361名患者、三个中心、两种图像获取方式（自拍vs临床拍摄）、12种手机型号全覆盖，且以专科医生Hertel测量为金标准。但它是横断面验证，尚未证明AI结果能否可靠反映病情变化，比如治疗前后突眼度的微小变动是否能被捕捉。
短期内不会替代Hertel测量，但有望成为远程随访或初筛工具，尤其适合复诊频率高、出行不便的患者。论文明确提到‘pending further longitudinal validation’，意味着要真正进临床流程，还需观察它在真实世界中跟踪病情进展的能力。国内情况有待确认。
常见问题
我用手机自拍能测出突眼严重吗？
目前这个AI模型在研究中显示，用手机自拍可以较准确估算突眼度，平均误差约1.1–1.6毫米，对重度突眼（≥21毫米）的识别准确率较高。但它仍处于研究验证阶段，尚未作为常规检查工具使用。如有疑虑可咨询眼科医生。
这个AI测突眼的方法比医生用尺子量准吗？
研究显示，AI预测结果与医生用Hertel尺测量的金标准高度一致，相关系数达0.77–0.85，单次预测83.6%的结果偏差在2毫米内。但它不能完全替代医生面诊和专业测量，尤其在判断病情进展或手术决策时仍需结合临床综合评估。
延伸阅读
全球首个眼科基础模型Global RETFound启动
研究团队发起国际协作计划，开发名为Global RETFound的开源眼科基础模型，使用合成与匿名真实眼底彩照预训练。截至2026年7月10日，已有78国232家机构加入，39国提交88项数据资产（生成式AI权重或真实眼底照片）。目标是提升模型对拉丁美洲、非洲、中东和中亚等代表性不足人群的泛化能力，推动公平、可推广的眼科及系统性疾病AI应用。
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。
计算眼科二十年演进与AI新前沿
该文基于2026年ARVO年会Cogan奖讲座，系统回顾了过去20年计算眼科的发展历程，涵盖大数据驱动的科研突破、机器学习在眼底影像等领域的应用，以及AI就绪数据生态系统的构建。讲座还展望了基础模型和智能体AI作为下一阶段关键技术，有望加速科学发现并提升临床照护水平。