AI识别冠状动脉斑块获组织学验证
摘要
研究用25处猪动脉粥样硬化斑块的OCT影像与对应组织切片进行精确配准，以组织学为金标准，评估AI模型与三名不同经验水平的医生对纤维、脂质和钙化成分的识别能力。结果显示，AI模型与组织学结果的Spearman相关性优于医生，尤其在脂质成分（中位34.3%）和纤维成分（中位65.0%）的定量上更接近真实值。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究以组织学为金标准，验证AI模型对OCT图像中纤维、脂质、钙化斑块成分的自动识别能力
- 采用分层粗到精配准法，利用支架边缘和解剖标志实现OCT影像与组织切片的精确匹配
- AI模型在纤维（中位65.0%）和脂质（中位34.3%）成分定量上与组织学的相关性优于三名医生
本站解读
这项研究发现，一个用医生标注数据训练的AI模型，在识别冠状动脉OCT图像中的斑块成分时，反而比医生自己更贴近组织学‘真相’——比如对脂质成分的定量，AI与组织学中位值34.3%的一致性高于三位阅片医生。这说明，人类标注带来的主观偏差确实可能成为AI性能瓶颈，而用组织学反向校准能有效突破这一限制。
研究样本量小（仅25个斑块、来自11只猪），属于高度控制的预临床验证，尚未进入人体试验阶段；但其采用的OCT-组织学逐帧配准方法扎实，结论可信度较高。短期内不会改变临床OCT判读流程，因为当前所有冠状动脉OCT设备均未集成该AI模型，也未通过监管审批。
普通人无需因此调整健康行为或检查计划。这项技术面向的是介入心脏病学场景，与眼科无直接关联；标题中‘PubMed Ophthalmology’分类疑似系统归类错误，原文内容全程未涉及眼部结构、疾病或诊疗。国内情况有待确认。
常见问题
这个AI能帮我看眼睛吗？
不能。该研究针对冠状动脉OCT影像，用于评估心脏血管斑块，不涉及眼部结构或疾病。目前没有证据表明该AI模型适用于眼底照相、OCT或任何眼科影像分析。如有疑虑可咨询眼科医生。
AI比医生还准，以后看病是不是不用医生了？
不是。该研究仅显示AI在特定实验条件下对斑块成分的定量更接近组织学结果，并未替代医生的综合判断。临床决策还需结合症状、功能检查、血流动力学等多维信息，AI目前只是辅助工具。
延伸阅读
AI软件自动量化地图样萎缩面积效果良好
研究评估了一款新型AI软件对年龄相关性黄斑变性（AMD）所致地图样萎缩（GA）的自动量化能力。纳入33例GA患者单眼及1例健康对照眼，共采集165次扫频源OCT图像。两名观察者盲法手动勾画GA区域，与AI结果对比显示：整体一致性极佳（Lin’s CCC=0.992），不同形态、数量病变中均保持高一致性；小病灶（<0.5 mm²）一致性略低（CCC=0.956）。软件重复性极好（ICC≥0.999）。
AI-OCT系统可大幅减少糖尿病黄斑水肿误转诊
研究在香港开展，先通过603名糖尿病患者进行前瞻性静默验证，再在276名疑似糖尿病黄斑水肿（DME）患者中开展非劣效性随机对照试验。AI-OCT系统结合图像质量评估、DME检测与不确定性标记功能，在干预组中将DME误转诊率从69.1%降至24.1%，绝对下降45%，且敏感性保持100%。
眼科AI热图临床可信度评估框架
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。