跳转到主要内容
学术研究

青光眼AI研究十年系统综述:高准确率不等于可临床使用

PubMed Ophthalmology (2026年11月9日)

摘要

一项系统综述按PRISMA指南检索PubMed、IEEE Xplore、ScienceDirect和SpringerLink,从3,758条记录中纳入2015至2026年发表的63项同行评审研究,涉及青光眼的人工智能检测与监测。多数研究把深度学习用于眼底照片、OCT、OCT血管成像、视野或多模态数据,不少模型的ROC曲线下面积约为0.95。作者认为在广泛应用前仍需前瞻性多中心验证。

信息来源: PubMed Ophthalmology 发布于 2026年11月9日

要点速览

  • 综述检索四个数据库,从3,758条记录中纳入2015至2026年的63项研究
  • 多数研究把深度学习用于眼底照片、OCT、OCT血管成像、视野或多模态数据
  • 不少模型的ROC曲线下面积约为0.95
  • 作者认为高准确率不等于临床可用,需前瞻性多中心验证和标准化评价

本站解读

这篇综述梳理了2015至2026年间的青光眼人工智能研究:检索到3,758条记录,纳入63项同行评审研究。多数研究用深度学习分析眼底照片、OCT、OCT血管成像或视野,不少模型的ROC曲线下面积约为0.95。ROC曲线下面积反映模型区分患病与否的整体能力,不等于临床判断的准确率。

这是一篇系统综述,方案已在PROSPERO注册,证据强度取决于被纳入的研究。摘要没有给出各研究的样本量和偏倚评估结果。作者自己的结论是,报告的高准确率本身不能说明模型已可用于临床,还需要多样化人群的前瞻性多中心验证、可解释且可重复的模型、统一的评价标准,以及与临床流程的结合。

我们的判断是,这项综述说明青光眼人工智能目前的瓶颈已不在模型指标,而在验证方式和落地环节。这一结论在国内人群中是否成立有待确认。

常见问题

AI能帮我判断有没有青光眼吗?

目前还不能替代医生。综述认为人工智能在青光眼检测和监测上潜力很大,但高报告准确率本身不能说明已可临床使用,还需要前瞻性多中心验证并融入临床流程。是否患有青光眼需由眼科医生检查判断,如有疑虑可咨询眼科医生。

文中说的ROC曲线下面积0.95是什么意思?

它衡量模型区分患病和未患病的整体能力,数值越接近1,区分能力越强。综述称不少模型达到约0.95,但这不等于每100次判断对95次,也不能说明模型在不同人群和真实门诊中表现一致,这正是作者强调需要外部验证的原因。

相关病种 青光眼

延伸阅读

学术研究

人工智能预测2型糖尿病视网膜病变风险:系统综述

这篇系统综述检索了PubMed、Scopus、Web of Science和ScienceDirect中2016年1月至2025年12月的研究,汇总人工智能预测2型糖尿病患者糖尿病视网膜病变风险的模型。检索到1040条记录,纳入8项研究。极端梯度提升、随机森林等集成模型表现较优,曲线下面积(AUC)在0.68至0.97之间。多数研究只做了内部验证,外部验证基本缺失。

#糖尿病视网膜病变#人工智能#风险预测 +1
PubMed Ophthalmology
学术研究

角度型微创青光眼手术的成本效益:经济学评价系统综述

这篇系统综述汇总了成人原发性开角型青光眼中角度型微创青光眼手术(MIGS)的成本效益分析,检索至2026年3月18日。共纳入16项基于模型的经济学评价、39组比较。61.5%的比较被判定为具成本效益,33.3%为经济占优,其余5.1%(2组)在设定的支付意愿阈值下不具成本效益。作者结论是,与药物治疗或单纯白内障手术相比,角度型MIGS对轻中度青光眼具成本效益,但证据依赖模型假设。

#青光眼#微创青光眼手术#成本效益 +1
PubMed Ophthalmology
学术研究

AI辅助青光眼筛查:关键在转诊和后续诊疗是否衔接

这是一篇讨论AI辅助青光眼筛查如何落地的文章。文章指出,基于眼底照片的AI已在社区和基层眼科服务中被探索,但屈光间质混浊和图像质量差会限制判读,不加选择的筛查可能带来不必要的转诊,许多被识别需进一步评估的人也未必走完转诊流程。作者认为AI应是筛查策略的一部分而非临床评估的替代,建议基于风险选择人群、及早识别无法分级的图像,便携式视野检查的作用尚待确立。

#青光眼#人工智能#筛查 +1
PubMed Ophthalmology