无需标注的AI模型实现跨设备RNFL自动分割
摘要
研究团队开发了名为Macula2Disc（M2D）的AI框架，仅用黄斑区OCT图像训练，即可在未标注的视盘周RNFL图像上完成分割。在1017张未标注的视盘周扫描图像上验证，RNFL分割Dice系数达87.42%，MIoU为80.43%。该方法不依赖视盘区域人工标注，能适配Heidelberg Spectralis和TowardPi BMizar-400K两种异构OCT设备，目标是提升青光眼结构评估的跨平台一致性。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- M2D框架在1017张未标注的视盘周OCT扫描上实现87.42% RNFL分割Dice系数
- 采用三级形变模块（TLDM）、NURBS光度校准模块和跨域分割网络（CDSN）三大技术组件
- 验证覆盖Heidelberg Spectralis与TowardPi BMizar-400K两种异构OCT设备
本站解读
这项研究折射出眼科AI正从‘单点标注驱动’转向‘解剖先验驱动’的底层趋势——不再强求大量高质量视盘标注，而是通过黄斑形态稳定特征反推视盘结构变化，本质是用计算建模替代人工标注瓶颈。对行业格局而言，掌握多中心、多设备真实世界数据的影像平台和第三方AI服务商将显著受益；而过度依赖单一OCT设备生态、标注能力薄弱的中小厂商可能承压，尤其在青光眼随访这类需长期跨设备比对的场景。
中国市场已有数十万台国产与进口OCT设备并存，但跨品牌数据互通长期受限，M2D所验证的87.42% Dice系数若能在国产设备群中复现，将加速基层医院用低成本设备获取高精度RNFL参数。不过，该框架尚未在中文人群队列中验证，也未披露对高度近视、晚期青光眼等中国高发亚型的边界追踪表现，这是关键短板。
后续需重点关注两个信号：一是国内三甲医院是否启动基于M2D原理的本地化适配试验；二是国家药监局是否将‘免标注’作为眼科AI三类证审评的新考量维度——这或将重塑未来三年AI辅助诊断产品的注册路径。
常见问题
这个AI能直接用在我的OCT检查报告上吗？
目前还不能直接用于临床报告，该技术仍处于研究验证阶段，尚未获得中国NMPA认证。国内多数医院使用的OCT设备型号与论文中测试的两种设备不同，适配效果有待本地验证。如有疑虑可咨询眼科医生，不要自行解读AI分割结果。
以后查青光眼是不是不用反复换同一家医院做OCT了？
这项技术的目标正是解决跨设备比对难题，理论上能让不同品牌OCT的RNFL数据更可比。但当前仅在两种设备上验证，且未在中国主流国产设备上测试。预计3-5年内若完成国内多中心验证，才可能逐步支持跨院连续随访。
延伸阅读
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。
早期青光眼视野进展预测模型比较研究
研究通过模拟早期青光眼患者的视野数据，对比四种预测方法：个体化一阶自回归模型（AR(1)）、普通线性回归（OLR）、群体级长短期记忆网络（LSTM）和朴素基线预测。结果显示，在检查次数较少时（如前6–11次），LSTM误差最低；但随着检查次数增加，尤其在中、快速进展患者中，AR(1)的预测精度反超LSTM。评估指标为RMSE和点均绝对误差（PMAE）。
中浆患者斑块区脉络膜血管更丰富
研究纳入40名中浆患者共40只眼，通过吲哚青绿血管造影识别中期高荧光斑块（MPHP），再用频域OCT自动计算脉络膜血管指数（CVI）生成热图。分析发现，MPHP区域平均CVI为0.72±0.09，显著高于周边脉络膜的0.70±0.09；在CVI阈值0.75和0.90下，斑块与高血管密度区域存在空间富集关系。结果支持中浆病灶具有局部脉络膜高灌注特征。