眼科AI热图临床可信度评估框架
摘要
研究提出两阶段临床导向框架，筛选适用于OCT视网膜疾病分类的可解释AI热图。基于Swin Transformer模型，在交叉验证中达97%准确率，外部验证为91.82%。Phase 1由1名眼科医生和1名AI专家初筛100张热图/方法；Phase 2由21名专科医生用五点量表评估解剖合理性。Token contRAST（TRAST）热图评分最高，Grad-CAM++次之，CGFM最低。
信息来源： PubMed Ophthalmology 发布于 2026年5月16日
要点速览
- 研究构建了两阶段临床导向框架，筛选OCT图像分类中的可解释AI热图，外部验证准确率为91.82%。
- Phase 1由1名眼科医生和1名AI专家独立评估100张热图/方法；Phase 2由21名专科医生用五点量表评估解剖合理性。
- Token contRAST（TRAST）热图在专家评分中表现最佳，Grad-CAM++次之，Cosine-Grad Fusion Map（CGFM）最低。
本站解读
这项研究折射出一个关键底层趋势：眼科AI正从‘能跑通’转向‘医生敢用’——技术性能（如91.82%外部准确率）已非唯一门槛，临床可信度成为落地分水岭。这意味着单纯堆参数、刷指标的AI公司承压，而具备真实世界临床协作能力、能嵌入医生决策逻辑的团队将受益。
对中国市场而言，当前多数国产OCT-AI产品仍停留在单点算法验证阶段，缺乏像TRAST这样经21位专家多案例盲评的临床适配性证据。国内三甲医院近年虽加速部署AI辅助诊断系统，但实际调阅热图做二次判断的医生比例极低，主因正是解释结果与解剖结构不匹配。该研究提出的两阶段评估法，很可能成为未来中国NMPA对眼科AI三类证申报的隐性参考标准。
后续需重点关注两个信号：一是国内是否出现首个按此框架完成多中心专家盲评的OCT AI产品；二是2025年起，国家药监局审评指导原则中是否明确要求提供‘临床专家对热图解剖合理性评分’数据。预计3年内，未通过此类临床可信度验证的AI工具将难以进入三级医院核心诊疗流程。
常见问题
AI看眼底照片说有病，我该信吗？
目前还不能完全替代医生判断，尤其当AI只给结论不解释依据时。这篇研究发现，很多AI热图标注的异常区域和真实解剖结构不符，中国三甲医院医生普遍会忽略这类‘看不懂’的提示。如有疑虑可咨询眼科医生，国内已有部分医院试点使用经临床专家验证的AI工具，但最终诊断权仍在医生手中。
国产眼科AI软件靠谱吗？
部分产品在实验室准确率达标，但多数尚未经过类似本研究中21位专家对热图解剖合理性的盲评验证。中国患者目前使用的主流AI辅助系统，其热图解释逻辑大多未经真实临床场景下的多中心专家共识检验。如有疑虑可咨询眼科医生，关注产品是否公开披露过临床专家参与的可解释性评估数据。
延伸阅读
无需标注的AI模型实现跨设备RNFL自动分割
研究团队开发了名为Macula2Disc（M2D）的AI框架，仅用黄斑区OCT图像训练，即可在未标注的视盘周RNFL图像上完成分割。在1017张未标注的视盘周扫描图像上验证，RNFL分割Dice系数达87.42%，MIoU为80.43%。该方法不依赖视盘区域人工标注，能适配Heidelberg Spectralis和TowardPi BMizar-400K两种异构OCT设备，目标是提升青光眼结构评估的跨平台一致性。
中浆患者斑块区脉络膜血管更丰富
研究纳入40名中浆患者共40只眼，通过吲哚青绿血管造影识别中期高荧光斑块（MPHP），再用频域OCT自动计算脉络膜血管指数（CVI）生成热图。分析发现，MPHP区域平均CVI为0.72±0.09，显著高于周边脉络膜的0.70±0.09；在CVI阈值0.75和0.90下，斑块与高血管密度区域存在空间富集关系。结果支持中浆病灶具有局部脉络膜高灌注特征。
大语言模型生成高度近视考题能力评估
研究对比了ChatGPT-5.4、Gemini 3、DeepSeek、Kimi K2.5和Doubao五款公开大模型在高度近视领域生成单选题（MCQ）的能力。每模型完成60道题，共300题，覆盖基础理论、临床案例、诊疗决策及筛查随访四类内容。所有模型结构合格率均为100%，但关键答案准确率从95.0%（Kimi K2.5、Doubao）到100.0%（ChatGPT-5.4、Gemini 3）不等。专家评审发现各模型在干扰项质量与事实准确性上存在显著差异，需人工审核方可用于教学。