白内障AI应用全景扫描:多数仍处内部验证阶段
摘要
该研究系统梳理了2020年1月1日至2025年7月20日发表的白内障AI相关研究,共纳入185项研究,覆盖检测、术前评估、手术规划、智能手术、术后恢复和患者参与六大环节。其中内部测试是最常见的验证方式(123/181,68.0%),而前瞻性多中心评估仅2项(1.1%)。研究发现,尚无经过临床验证的多模态术前手术复杂度预测模型。
信息来源: PubMed Ophthalmology 发布于 2026年10月27日
要点速览
- 共纳入185项白内障AI研究,按临床环节分为检测(52项)、特征刻画(50项)、个性化手术规划(27项)、智能手术(28项)、恢复(24项)和患者参与(4项)。
- 提出CAICC框架(白内障AI临床连续体证据映射框架),用于系统化归类AI在白内障全流程中的应用分布与验证成熟度。
- 181项可验证研究中,内部测试占68.0%(123项),外部测试占18.2%(33项),前瞻性多中心评估仅2项(1.1%),且未发现已临床验证的多模态术前手术复杂度模型。
本站解读
这篇范围综述按照PRISMA-ScR规范,检索2020年1月至2025年7月发表的英文原始研究,最终纳入185项白内障人工智能研究,覆盖检测(52项)、特征刻画(50项)、个性化手术规划(27项)、智能手术(28项)、术后恢复(24项)和患者参与(4项)六个环节,并提出了CAICC证据映射框架。
核心发现是验证成熟度普遍偏低:181项可评估研究中,最高只做到内部测试的占68.0%,做到外部测试的占18.2%,前瞻性单中心评估占3.3%,前瞻性多中心评估只有2项(1.1%),另有9.4%没有独立测试或情况不明。作者没有找到经过临床验证的综合多模态术前手术复杂度预测模型,这是目前最明显的空白。
综述也有局限:361篇拟获取的报告中有122篇未能取得,可能影响证据图谱的完整性。我们的判断是,白内障AI的瓶颈已不在算法数量,而在独立验证。国内相关AI产品若要进入临床,同样需要外部和多中心验证,其注册情况有待确认。
常见问题
AI现在能帮医生判断我的白内障手术难不难吗?
目前还不能可靠做到。综述纳入的185项研究中有27项涉及个性化手术规划,但作者没有找到经过临床验证的综合多模态术前手术复杂度预测模型,这类AI仍处在开发和验证早期。国内医院是否有相关工具在用有待确认,手术难度和方案仍由医生评估,如有疑虑可咨询眼科医生。
听说AI能自动看白内障照片,这靠谱吗?
目前更适合当作医生的辅助参考。综述纳入的185项研究中有52项聚焦白内障检测,但在全部可评估研究里,68.0%最高只做到内部测试,前瞻性多中心评估只有2项,在不同医院、不同设备上的稳定性还缺少证据。国内相关AI产品的审批和使用情况有待确认,如有疑虑可咨询眼科医生。
延伸阅读
白内障晶状体状态显著影响眼底照片估算的视网膜年龄
日本山梨大学医院一项回顾性研究分析了283只青光眼患者眼睛的眼底彩照,用深度学习算法估算视网膜年龄,并计算其与实际年龄之差(RAG)。结果显示平均RAG为-5.7±19.1年;晶状体完整(phakic)的眼睛RAG值显著高于已摘除晶状体并植入人工晶体(pseudophakic)的眼睛;视力越差、远视度数越高,RAG值也越大;而青光眼整体严重程度和视野缺损程度(MD)未显示显著关联。
人工智能在白内障诊疗中的应用现状与展望
该综述梳理了2021年以来人工智能在白内障全流程管理中的进展:在诊断与筛查中,AI模型对裂隙灯图像的自动识别和分级达到专家水平,荟萃分析显示AUC值接近0.99;在人工晶状体度数计算中,AI公式比传统公式更准,尤其适用于高度近视患者;术中可识别手术阶段并追踪器械;术后多模态AI模型能更好预测视力恢复和并发症。研究指出数据泛化性、算法可解释性及临床转化仍是主要挑战。
构建细粒度白内障严重程度评估眼底图像数据集
研究团队构建了首个含187例眼底图像的白内障严重程度与诊断图像数据集(CSDI),每例均配专业临床诊断报告。针对现有深度学习方法仅能做二分类的局限,该研究提出基于多模态大语言模型(MLLM)的诊断框架,可实现细粒度严重程度评分并生成专业诊断文本。这是首次将MLLM技术用于定量、分级白内障诊断。