AI辅助OCT实时识别活检组织成分
摘要
研究团队开发了一种结合微米级光学相干断层扫描（OCT）与U-Net架构AI软件的新技术，用于穿刺活检前实时判断针尖处组织类型。该技术在肝癌患者中开展首个人体试验，OCT图像分辨率达轴向约10微米、横向约20微米；AI模型在验证集AUC达0.877，与专家判读一致率约90%，目标是降低因脂肪过多或肿瘤含量低导致的低诊断价值活检比例（当前高达40%）。
信息来源： PubMed Ophthalmology 发布于 2026年3月9日
要点速览
- 研究完成全球首个人体试验，验证OCT+AI在活检针尖实时识别组织成分的可行性
- 采用微米级OCT成像（轴向~10 μm，横向~20 μm）结合U-Net架构CNN进行图像分割
- AI模型在验证集AUC达~0.877，与专家判读一致率约90%，目标是降低40%低诊断价值活检比例
本站解读
这项研究首次在人体中验证了OCT+AI组合用于活检针尖实时组织识别的可行性——它不靠猜测，而是用微米级成像看清组织结构，再让AI快速区分肿瘤区和脂肪/坏死区。样本量虽未披露，但属于单中心初步临床试验，验证集AUC 0.877和90%的人机一致性，在小数据集上已属稳健，说明技术路径成立。
不过，离改变临床常规还有距离：AI目前为离线分析，而真正实用需嵌入设备实现秒级反馈；且试验仅限肝癌，尚未覆盖眼科常见病如脉络膜黑色素瘤或眼内淋巴瘤活检。该技术原理上可迁移至眼科经巩膜或玻璃体腔穿刺场景，但原文未提任何眼科病例或眼部应用数据，国内情况有待确认。
普通人无需为此改变任何行为——这是一项面向医生的术中辅助工具，不是筛查手段，也不影响日常体检或随访节奏。如有疑虑可咨询眼科医生。
常见问题
这个AI看眼睛活检准不准？
原文未测试眼科活检，所有数据来自肝癌患者，未提供任何眼部组织或眼内肿瘤的识别结果。该技术原理上具备迁移潜力，但准确率、适用性及是否适配眼内微小结构均无实证支持。如有疑虑可咨询眼科医生。
以后做活检不用反复扎针了吗？
研究目标正是减少重复穿刺——通过AI提前识别高肿瘤含量区域，提升单次取样的诊断价值。当前临床中高达40%的活检核心因脂肪过多或肿瘤含量低而诊断价值低，该技术有望降低这一比例。但该结论基于初步人体试验，尚未进入常规临床流程。
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校正OCT测量提升高度近视青光眼诊断准确率
该研究纳入57只高度近视眼（31只为青光眼，26只为非青光眼），使用Spectralis OCT获取视盘周围RNFL厚度，再通过MGU-Net深度学习算法自动分割视网膜层并校正眼球伸长导致的扫描倾斜，生成AI校正值。结果显示，校正值比原始值平均低15–35 μm；在青光眼眼中，校正后的全局和下鼻象限RNFL变薄更显著；校正后下鼻象限AUC达0.69，联合ST/T/IT校正值的模型AUC升至0.79，优于未校正数据。
多模态AI模型用OCT区分儿童多发性硬化症
研究团队利用加拿大病童医院前瞻性收集的3D光学相干断层扫描（OCT）数据，分析211次儿童多发性硬化症（POMS）患者扫描和52次非炎性神经系统疾病儿童扫描。通过融合原始图像与52个自动分割特征，构建早期融合多模态深度学习模型，在区分POMS与非炎性疾病时达到AUC 0.90。结果表明，结合空间图像信息与结构量化特征可显著提升诊断效能。