AI增强OCT图像未提升nAMD疾病活动评估准确性
摘要
RAZORBILL研究是一项多中心观察性研究，旨在评估AI自动分割增强的三维OCT图像是否能改善新生血管性年龄相关性黄斑变性（nAMD）患者的疾病活动评估（DAA）。研究采用广义线性混合模型分析，结果显示：增强OCT图像的DAA优势比为0.759，非增强图像为0.772，二者比较的OR为1.078（p=0.229），无统计学差异；评审者间一致性（Krippendorff's alpha）分别为0.416和0.402，均属低水平且无改善。
信息来源： PubMed Ophthalmology 发布于 2026年5月4日
要点速览
- RAZORBILL研究发现AI增强OCT图像未显著提高nAMD疾病活动评估的准确性，OR为1.078，p值为0.229。
- 研究使用自动化OCT图像分割信息对三维OCT进行增强，并由多位评审者独立评估疾病活动状态。
- 评审者间一致性较低（Krippendorff's alpha约0.41），且增强与非增强图像间无明显差异。
本站解读
这项研究直接检验了一个临床中很实际的问题：给OCT图像加上AI自动标注的视网膜层和病灶分割信息，能不能帮医生更准、更一致地判断nAMD是否还在活动。结果很明确——不能。无论是从单个医生做出正确评估的概率（OR 1.078，p=0.229），还是多个医生之间判断的一致性（Krippendorff’s alpha约0.41），增强与非增强图像几乎没有差别。这说明当前这类AI辅助工具尚未达到可影响核心临床决策的成熟度。
研究设计是观察性的，依赖真实世界中多位医生对同一组图像的独立判读，虽非随机对照，但贴近实际场景；不过它没说明具体有多少位评审者、多少例患者，样本细节缺失削弱了结果外推力。短期内，这类AI增强OCT不会改变nAMD的随访或打针决策流程。
对普通人而言，无需因这项研究调整任何行为——它不否定OCT本身的价值，也不质疑现有治疗方案，只是说明目前加了AI分割的OCT还没带来实质帮助。国内情况有待确认。
常见问题
AI看OCT图能帮我少打几针吗？
不能。这项研究明确显示，用AI自动分割增强的OCT图像，并没有提高医生判断nAMD是否仍在活动的准确性，也没有让不同医生的判断更一致。因此，它目前无法支持减少注射次数或改变治疗节奏。如有疑虑可咨询眼科医生。
以后看病时AI会不会直接告诉我眼睛有没有问题？
目前还不能。该研究测试的AI功能仅限于在OCT图像上自动标出视网膜结构，但并未提升医生对疾病活动的判断能力，更未实现独立诊断。AI仍处于辅助工具阶段，不能替代医生综合评估。
延伸阅读
硅油填充眼视网膜复位术后外层视网膜形态变化研究
该研究纳入35例原发性累及黄斑的孔源性视网膜脱离患者，均接受玻璃体切除联合硅油填充术，术后3、6、12周随访。利用横断面与en face OCT观察外层视网膜结构变化，发现12周时平均BCVA从1.96 logMAR提升至0.64 logMAR，ELM/EZ完整性逐步恢复；22.9%的眼出现黄斑椭圆体带玫瑰花样改变（FEZR），且FEZR与12周视力较差显著相关。
AI增强OCT可准确量化冠状动脉斑块负荷
研究团队开发了一种深度学习算法，用于全自动分析光学相干断层扫描（OCT）图像，以量化冠状动脉斑块负荷（PB）和血管尺寸。研究使用10例尸检人的心脏，对29支主要冠状动脉进行OCT和血管内超声（IVUS）成像，并与组织病理学金标准对比。共获得852个匹配的横截面数据，结果显示AI-OCT与病理结果的相关性不劣于IVUS，且无统计学显著差异。
AI模型预测湿性老年黄斑变性治疗时机
研究开发了一种模块化多任务深度学习框架（MANTIS），利用OCT图像和视力数据，自动识别何时启动抗VEGF治疗。研究纳入122名患者共207只眼，分为两组：未进展为湿性AMD者和已进展并接受治疗者。模型同时完成两项任务：判断是否需启动治疗，以及从OCT中量化外层视网膜厚度（ORT）作为影像生物标志物。