AI可替代一名医生进行眼底照相初筛
摘要
研究回顾性分析6904张眼底彩照，评估AI作为初筛者与一名医生组成双人读片流程的效果。结果显示，对糖尿病视网膜病变和视网膜静脉阻塞，AI-human组合的敏感度（0.974–0.982）和特异度（0.999–1.000）与传统双人人工读片无显著差异，且人均阅片量从2.00–2.10次降至1.02–1.11次；年龄相关性黄斑变性结果因读片组合而异，部分组合敏感度更高（0.916–0.950）。
信息来源： PubMed Ophthalmology 发布于 2026年8月25日
要点速览
- 研究基于6904张眼底彩照，对比AI-human与human-human双读流程在AMD、DR、RVO三种疾病中的诊断性能。
- AI系统在预设0.99敏感度阈值下提供二分类判断，并与一名医生独立判读，分歧时由第二名医生仲裁。
- AI-human流程将人均阅片量降至1.02–1.11次，较传统双人读片（2.00–2.10次）减少近半，且DR和RVO诊断性能无显著下降。
本站解读
这项研究证实，AI在眼底筛查中不是要取代医生，而是精准‘减负’：它能把原本需要两名医生看的图像，压缩成‘AI初筛+一名医生复核+另一名医生仅仲裁分歧’的流程，使人均阅片量稳定控制在1.02–1.11次——接近砍掉一半人力投入。对糖尿病视网膜病变和视网膜静脉阻塞，AI-human组合的性能与传统双人读片几乎完全一致；但对年龄相关性黄斑变性，效果取决于具体AI-医生搭配，说明AI不能‘一刀切’部署，必须匹配疾病本身的判读难度和医生经验结构。
研究虽严谨（6904张图像、三名专家独立标注、预设0.99高敏感阈值），但属于单中心回顾性分析，未验证真实筛查场景下的效率与稳定性。真正落地临床前，必须通过多中心前瞻性验证——这点原文已明确指出。国内情况有待确认。
常见问题
AI看眼底照片准不准？能代替医生吗？
AI不能单独代替医生，但可作为初筛工具大幅减少医生工作量。研究显示，在糖尿病视网膜病变和视网膜静脉阻塞筛查中，AI加一名医生的组合，敏感度和特异度与两名医生组合基本一致；对年龄相关性黄斑变性，效果因医生搭配而异。如有疑虑可咨询眼科医生。
以后做眼底检查是不是更快更便宜了？
理论上可能更快，因为AI-human流程将人均阅片量从约2次降至1.02–1.11次，相当于节省近一半人工判读时间。但是否降价或提速，取决于医疗机构如何配置流程和成本分摊，目前研究未涉及费用或耗时数据。如有疑虑可咨询眼科医生。
延伸阅读
AI模型用45°眼底照准确识别糖尿病视网膜病变
研究基于印度南部2610名40岁以上参与者的数据，训练深度学习模型分析45°和200°超广角眼底图像。结果显示，该模型在45°图像上DR分级准确率达97.24%，将漏判率从16.5%降至6.2%；Grad-CAM显示模型聚焦中央区域，血管分析发现眼底周边病变与中央血管密度、迂曲度变化相关，提示AI可捕捉亚临床血管改变。
智能手机离线AI可同步筛查三种眼病
研究评估了一款集成于智能手机眼底相机的离线AI系统（Medios-AI，MAI），在真实场景中同步筛查糖尿病视网膜病变（DR）、青光眼和年龄相关性黄斑变性（AMD）的效果。共纳入193名成人（371只眼），以专业医生对Zeiss Clarus 500图像的盲法判读为金标准。结果显示，MAI对任一视网膜疾病的整体敏感性达99.3%，特异性95.7%，AUC为0.99；对青光眼、AMD、DR的敏感性分别为98.2%、88.9%、84.6%。
AI模型用彩照检测糖尿病黄斑缺血
研究开发了一种图神经网络多光谱学习模型（GNN-MSVL），利用普通彩色眼底照片检测糖尿病黄斑缺血（DMI）。该模型通过计算重建24波长伪多光谱图像，增强对缺血组织微弱反射变化的识别能力。研究纳入1078张来自592名糖尿病患者的单眼彩照，其中530张确诊为DMI。结果显示，模型在眼水平准确率达84.7%，AUC为0.900，显著优于基线模型和人类专家。