可解释AI模型GlaucoXAI用于青光眼早期筛查
摘要
研究提出一种名为GlaucoXAI的可解释人工智能诊断模型，利用眼底彩照识别早期青光眼。模型分四步：图像预处理、曲线特征提取（采用FDCT-WRP）、PCA与LDA联合降维、改进灰狼优化算法（IMGWO）调优极限学习机（ELM）进行分类。在G1020和ORIGA两个公开数据集上，准确率分别达93.87%和95.38%，高于现有方法，并通过10×5折分层交叉验证增强结果可信度。
信息来源： PubMed Ophthalmology 发布于 2026年5月1日
要点速览
- GlaucoXAI模型在G1020和ORIGA数据集上准确率分别为93.87%和95.38%，高于现有方法。
- 模型采用FDCT-WRP提取曲线特征，结合PCA+LDA降维，并用改进灰狼优化算法（IMGWO）调优极限学习机（ELM）。
- 研究使用10×5折分层交叉验证（SCV）提升模型稳定性和可解释性，增强临床信任。
本站解读
这项研究开发了一个叫GlaucoXAI的AI模型，用普通眼底照片就能识别早期青光眼，准确率在两个公开数据集上分别达到93.87%和95.38%——数字亮眼，但需注意这些结果全来自实验室环境下的回顾性分析，没提真实临床场景中的测试，也没说明数据集里有多少中国患者图像或是否包含亚洲人种特征。样本量完全未披露，仅靠两个公开数据集支撑，离临床落地还有明显距离。
目前它还只是论文里的算法框架，没有集成到任何医院PACS或筛查系统中，更未通过FDA或CE认证；医生无法直接调用，也缺乏与金标准视野检查、OCT等的头对头验证。短期内不会改变门诊流程，最多作为辅助提示工具在少数研究型中心试用。
普通人无需因此调整生活习惯或检查频率，眼底照仍是常规项目，AI模型尚未进入诊疗链条。国内情况有待确认。
常见问题
这个AI能直接帮我查出有没有青光眼吗？
不能。目前GlaucoXAI只是一个处于论文阶段的算法模型，尚未集成到医院设备或筛查系统中，也没有获批用于临床诊断。它需要高质量眼底照片输入，但结果不能替代医生判断。如有疑虑可咨询眼科医生。
用手机拍的眼底照片能喂给这个AI分析吗？
不能。该模型基于专业设备拍摄的视网膜眼底彩照训练，对图像分辨率、视野范围、光照均匀性有严格要求，手机拍摄图像质量不满足输入条件，强行使用会导致结果不可靠。
延伸阅读
早期青光眼视野进展预测模型比较研究
研究通过模拟早期青光眼患者的视野数据，对比四种预测方法：个体化一阶自回归模型（AR(1)）、普通线性回归（OLR）、群体级长短期记忆网络（LSTM）和朴素基线预测。结果显示，在检查次数较少时（如前6–11次），LSTM误差最低；但随着检查次数增加，尤其在中、快速进展患者中，AR(1)的预测精度反超LSTM。评估指标为RMSE和点均绝对误差（PMAE）。
两种AI系统联合使用提升青光眼筛查准确率
研究评估了Laguna ONhE和VUNO Med-Fundus AI两款商用AI系统在彩色眼底照相（CFP）上独立及联合诊断原发性开角型青光眼的准确性。共纳入193名患者370只眼（248只青光眼眼，122只健康眼），以扫频OCT和视野检查为金标准。结果显示，Laguna AUC为0.879，VUNO为0.857，二者联合达0.903，接近金标准指标GMD的0.916，差异不显著（p=0.146）。
本地医疗大模型精准识别青光眼风险因素
研究团队使用MedGemma-27B-text-it本地医疗大模型，分析2014至2024年间1250例青光眼相关临床记录，评估其识别用药依从性差、随访失约及家族史的能力。结果显示，模型在识别用药非依从性（准确率0.91）、随访非依从性（准确率0.96）和家族史（准确率0.98，Jaccard指数0.99）方面远超结构化电子病历字段（家族史准确率仅0.49）。研究证实本地化大模型可高效挖掘自由文本中的隐性风险信息。