急诊科眼底检查被低估，AI与便携成像技术正突破瓶颈
摘要
该综述指出，眼底检查是识别危及视力和生命的神经系统与血管疾病（如视乳头水肿、中央视网膜动脉阻塞）的关键手段，但在急诊科使用率极低，主因是传统直接检眼镜操作难、依赖医生经验。近年非散瞳、便携式眼底相机及OCT设备提升了可及性，支持远程判读和远程会诊；深度学习等AI技术已展现出自动解读眼底图像的潜力，大型语言模型也开始辅助诊断与管理决策。
信息来源： PubMed Ophthalmology 发布于 2026年10月1日
要点速览
- 急诊科传统直接检眼镜使用率低，主因是技术门槛高、操作者缺乏技能与信心
- 非散瞳、便携式眼底相机及集成OCT的设备正提升急诊眼底成像可及性，支持远程判读与 teleophthalmology
- 深度学习技术已展现自动化眼底图像解读潜力，大型语言模型开始探索辅助诊断与管理
本站解读
这项综述的核心结论很实在：急诊医生几乎不用眼底检查，不是不想用，而是传统检眼镜太难上手——它需要暗室、散瞳、稳定持握和多年训练，急诊场景根本容不下这些条件。所以问题不在意识，而在工具。现在出现的非散瞳便携眼底相机和集成OCT的设备，把‘拍得清’和‘拍得快’变成了现实，让非眼科医生也能在5分钟内完成高质量图像采集。
AI的进展更关键：深度学习已在多个研究中实现对视乳头水肿、动脉阻塞等红标征象的高灵敏度识别，但综述明确说‘还需进一步验证可靠性’——这意味着目前AI结果不能单独用于临床决策，仍需医生复核。大型语言模型的新动向虽被提及，但尚无具体性能数据支撑，属于早期探索阶段。
真正改变急诊流程，不取决于某项技术多先进，而在于能否嵌入现有工作流：设备是否够轻、图像能否秒传、报告是否30秒内返回、系统是否对接医院EMR。这些整合难题比算法本身更难攻克。国内情况有待确认。
常见问题
我在急诊时医生没给我查眼底，是不是漏诊了？
不一定。综述明确指出，急诊医生普遍未常规开展眼底检查，并非疏忽，而是受限于传统工具的操作难度和时间压力。眼底异常往往伴随剧烈头痛、突发失明、意识障碍等明显症状，如有疑虑可咨询眼科医生。目前没有证据表明常规筛查能改善多数急诊患者的结局。
AI能自己看懂我的眼底照片吗？
目前还不能独立下诊断。AI特别是深度学习技术已在研究中展示出识别视乳头水肿、中央视网膜动脉阻塞等关键征象的能力，但综述强调其可靠性仍需进一步验证。所有AI输出都必须由医生审核，不能替代专业判断。
延伸阅读
AI通过眼底图像识别心血管疾病风险
研究团队开发了名为AVSeg-XAI的可解释深度学习框架，用于自动区分眼底图像中的动脉与静脉，并提取34个血管几何与拓扑特征。该模型结合15项无创临床指标（如年龄、BMI、血压），在卡塔尔生物银行队列中实现了0.81的CVD风险预测AUC，女性和45–55岁人群表现更优（AUC达0.83和0.90）。研究验证了视网膜微血管作为非侵入性心血管健康标志物的可行性。
AI量化眼底豹纹状改变助力近视研究
该综述梳理了近年利用人工智能（特别是深度学习）对眼底豹纹状改变（FT）进行定量分析的研究进展。重点介绍了眼底豹纹状密度（FTD）的计算方法，及其与眼轴增长、脉络膜变薄和近视程度加重的一致性关联。研究还发现FTD在视盘周围和黄斑区存在空间分布差异，提示其可能作为近视结构性改变的影像学生物标志物。
AI增强OCT可准确量化冠状动脉斑块负荷
研究团队开发了一种深度学习算法，用于全自动分析光学相干断层扫描（OCT）图像，以量化冠状动脉斑块负荷（PB）和血管尺寸。研究使用10例尸检人的心脏，对29支主要冠状动脉进行OCT和血管内超声（IVUS）成像，并与组织病理学金标准对比。共获得852个匹配的横截面数据，结果显示AI-OCT与病理结果的相关性不劣于IVUS，且无统计学显著差异。