AI眼底诊断为何难进诊室？系统综述揭示三大落地障碍
摘要
该系统综述分析了2018至2025年间34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等眼病诊断中准确率常超90%，表现媲美甚至优于专家医生。但临床实际应用仍受限，主要存在三方面缺口：AI工具难以嵌入现有诊疗流程、决策过程缺乏透明度、在不同人群中的泛化能力差。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- AI在糖尿病视网膜病变等眼病诊断中准确率常超90%，表现媲美或优于专家医生。
- 综述识别出三大现实障碍：临床流程整合困难、AI决策不透明、跨人群泛化能力差。
- 研究覆盖2018–2025年间的34项研究，旨在提出可操作路径弥合科研与临床之间的‘最后一公里’差距。
本站解读
这项综述直指一个关键矛盾：AI眼底诊断技术本身已相当成熟——34项研究显示其对多种眼病的诊断准确率常超过90%，但医院诊室里几乎见不到它真正上岗。问题不在算法精度，而在‘最后一公里’：它没法顺滑地接进医生每天要开检查单、看报告、写病历的节奏里；医生看不懂AI为什么这么判，自然不敢签字担责；更麻烦的是，多数模型用欧美数据训练，换到肤色更深、眼底特征不同的群体中，性能就掉得明显。
短期内这不会改变临床常规。从论文到诊室，需要厂商与医院联合重构工作流、开发可解释模块、并用多中心真实世界数据持续验证。国内情况有待确认。
普通人无需因此调整筛查频率或更换检查方式。AI尚未成为标准工具，当前眼底检查的可靠性仍取决于设备质量、拍摄技术和医生经验。如有疑虑可咨询眼科医生。
常见问题
AI看眼底照片比医生还准，那我现在去查眼底是不是该选AI？
目前不能选。AI眼底诊断工具尚未作为独立诊断手段进入常规临床使用，所有结果仍需医生复核确认。它的高准确率来自实验室环境下的测试数据，不是替代医生的‘新检查项目’。眼底照相本身仍是有效手段，如有疑虑可咨询眼科医生。
听说AI能提前发现青光眼，我该不该专门去做AI眼底筛查？
不需要专门做。目前没有获批用于青光眼早期独立筛查的AI产品进入临床服务流程。现有AI模型虽在研究中显示潜力，但尚未解决泛化性与可解释性问题，不能替代医生综合眼压、视野、OCT等多维度评估。如有疑虑可咨询眼科医生。
延伸阅读
AI眼病诊断研究临床转化率低
这项系统综述分析了2020年至2025年8月间发表的43篇基于眼底照和OCT图像的深度学习眼病诊断研究，发现虽有超95%的模型宣称高准确率，但仅14.3%完成真正临床验证，23.1%未公开代码或实现细节。研究提出‘转化准备度框架’，整合技术透明度、验证严谨性与性能报告，为眼科AI落地提供评估标准。
AI通过眼底影像辅助阿尔茨海默病和帕金森病早期识别
研究综述了人工智能利用眼底照相（CFP）和光学相干断层扫描（OCT）影像识别阿尔茨海默病（AD）和帕金森病（PD）的最新进展。AD患者普遍存在视网膜神经节细胞层（GC-IPL）和视网膜神经纤维层（RNFL）变薄，AI基于OCT图像识别AD准确率达80%，结合OCT与眼底彩照可将轻度认知障碍（MCI）识别准确率提升至85%。PD患者则表现为RNFL普遍变薄、外丛状层增厚等特征，多模态AI模型实现100%敏感性和85%特异性。
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。