AI-OCT系统可大幅减少糖尿病黄斑水肿误转诊
摘要
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%。
信息来源： PubMed Ophthalmology 发布于 2026年6月15日
要点速览
- AI-OCT系统在276例随机对照试验中，使DME误转诊率从69.1%降至24.1%，绝对下降45%。
- 该系统具备图像质量评估、DME自动检测及不确定性标记三项核心功能。
- 试验于2023年9月至2025年4月完成入组，随访截至2025年5月。
本站解读
这项研究发现，把AI-OCT作为眼底照相筛查后的第二道关卡，能直接砍掉近一半的无效转诊——误转诊率从69.1%降到24.1%，而真正该转诊的患者一个没漏，敏感性仍是100%。这说明它不是靠放宽标准来降误诊，而是真能更准地识别谁需要看专家。
研究设计扎实：先做大规模静默验证（603人），再推进到多中心RCT（276人），所有参与者最终都接受了专家评估，避免了金标准缺失的问题；非劣效性界值设为20%，而实际差值上限仅-31.9%，结果非常稳健。
短期内难直接改变基层筛查流程，因为AI-OCT设备成本、操作培训和报告整合进现有系统都需要时间；但对专科门诊来说，它已具备分流价值——尤其在糖尿病患者激增、眼科资源紧张的背景下。国内情况有待确认。
常见问题
这个AI检查是不是比普通眼底照相更准？
是的，它不是替代眼底照相，而是加在照相之后做二次判断。研究显示，用AI-OCT辅助后，真正不需要看专家的人被错误转诊的比例从69.1%大幅降到24.1%，而该转诊的患者一个都没漏，敏感性保持100%。这意味着它既减少了患者跑冤枉路，也没耽误治疗时机。如有疑虑可咨询眼科医生。
以后去社区查糖尿病眼病，会不会直接用上这个AI？
目前还不会马上普及。这项技术需配备OCT设备并接入AI系统，对基层机构的硬件和人员要求较高。研究是在香港三级医院和区域筛查项目中完成的，属于临床验证阶段。推广到常规筛查还需政策支持、流程适配和成本优化。如有疑虑可咨询眼科医生。
延伸阅读
AI可替代一名医生进行眼底照相初筛
研究回顾性分析6904张眼底彩照，评估AI作为初筛者与一名医生组成双人读片流程的效果。结果显示，对糖尿病视网膜病变和视网膜静脉阻塞，AI-human组合的敏感度（0.974–0.982）和特异度（0.999–1.000）与传统双人人工读片无显著差异，且人均阅片量从2.00–2.10次降至1.02–1.11次；年龄相关性黄斑变性结果因读片组合而异，部分组合敏感度更高（0.916–0.950）。
AI分析显示DME患者外层视网膜结构损伤模式不同
研究利用AI辅助OCT技术，对1688名糖尿病性黄斑水肿（DME）患者的2355只眼进行横断面分析，量化了外界膜（ELM）和椭圆体带（EZ）中断比例及与积液、炎症灶、视力的关系。结果显示：21.9%的眼睛存在ELM中断，37.6%存在EZ中断；EZ中断更常见，且与炎症性高反射灶增多相关；ELM中断则与视力下降和浆液性视网膜下液负担关联最强。
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）。