AI算法可自动量化视网膜静脉阻塞相关黄斑水肿的OCT生物标志物
摘要
研究验证了一种深度学习AI算法，在93只视网膜静脉阻塞（RVO）导致黄斑水肿（ME）的眼中，自动识别并量化关键OCT生物标志物：IRF/SRF体积、ELM/EZ中断程度和HRF数量。该算法与两位盲法专家评估结果对比，显示高诊断性能（如SRF AUC为0.969）和强一致性（EZ kappa达0.914），图像质量评估准确率超98%。研究认为该AI工具可支持RVO-ME的快速、标准化评估。
信息来源： PubMed Ophthalmology 发布于 2026年5月7日
要点速览
- AI算法在93只RVO-ME眼中实现了IRF/SRF体积、ELM/EZ中断、HRF数量的自动化量化
- 算法对SRF、EZ等结构的诊断AUC分别达0.969和0.958，ELM/EZ中断kappa值均超0.78
- 图像质量评估（如黄斑中心定位、视网膜分层）准确率超过98%，后续需前瞻性研究验证其治疗指导价值
本站解读
这项研究证实，AI能可靠替代人工完成RVO-ME患者OCT图像中多项关键生物标志物的量化——比如对EZ层中断的判断，AI与专家的一致性kappa值高达0.914，已接近完美水平；而HRF计数与专家结果的相关系数r=0.89，偏差极小。样本量93眼属中等规模单中心回顾研究，虽未覆盖多设备、多中心变异，但核心指标表现稳健，技术落地基础扎实。
短期内它不会直接改变临床操作流程，因为当前仍需专家复核结果，且尚未验证其在治疗决策或长期随访中的实际价值；论文也明确指出需前瞻性研究确认其指导治疗的价值。对普通人而言，无需因此调整日常行为或就医节奏——OCT检查本身不变，只是背后分析可能更快更稳。国内情况有待确认。
常见问题
这个AI看OCT图准不准？比医生还厉害吗？
它很准，但不是取代医生。研究里AI对EZ层中断的判断和专家一致率达kappa 0.914，接近完美；HRF计数和专家结果高度相关（r=0.89）。但它不作诊断，只提供量化数据，最终解释和决策仍需医生完成。如有疑虑可咨询眼科医生。
以后做OCT检查是不是就不用等医生看图了？
不会完全省掉医生环节。AI目前用于快速量化生物标志物，缩短分析时间，但结果仍需医生结合临床综合判断。检查流程本身不变，患者仍需按医嘱定期复查。如有疑虑可咨询眼科医生。
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。