人工智能辅助无标记光学成像在眼科等领域的应用
摘要
该综述介绍了多种无标记光学成像技术，包括SLAM显微镜（可同步获取2PEF、3PEF、SHG、THG四通道图像）、FLIM（基于荧光寿命分析内源性荧光物质）和OCT（基于低相干干涉的断层成像）。这些技术无需外源性造影剂，能实时获取组织形态与分子功能信息。文章重点讨论了AI如何提升这些技术在癌症诊断、生物制药细胞筛选及耳部感染临床诊断中的数据分析能力。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- SLAM显微镜使用单一脉冲激光源同步获取2PEF、3PEF、SHG、THG四通道图像，用于癌症诊断。
- FLIM通过测量内源性荧光物质的激发-退激时间差，反映分子相互作用与细胞状态。
- OCT基于低相干干涉技术，提供快速、深度分辨的断层图像，已用于多种临床场景。
本站解读
这项综述没有报告新实验数据，而是系统梳理了AI与几类无标记光学成像技术的结合路径——比如SLAM显微镜能同步采集四个通道，FLIM依赖荧光寿命差异识别组织微环境变化，OCT则以快速断层成像支撑临床决策。这类研究属于方法学整合，可靠性取决于所引原始研究的质量，但因未给出具体样本量、队列规模或验证指标，尚不能判断其临床转化强度。
短期内难直接改变常规诊疗流程：SLAM和FLIM仍属前沿科研设备，尚未进入标准眼科检查体系；OCT虽已广泛用于视网膜疾病，但AI辅助分析模块多处于验证阶段，未形成统一临床判读标准。论文到实际应用之间，还需大型多中心验证、监管审批及操作流程重构。
普通人无需因此调整日常行为，这些技术不涉及筛查建议或生活方式干预。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
AI看眼睛照片能代替医生检查吗？
不能代替。目前AI在无标记成像中主要用于辅助分析复杂图像数据，比如从SLAM或OCT图像里识别细微结构变化，但诊断结论仍需医生综合判断。它不改变检查方式本身，也不具备独立决策能力。如有疑虑可咨询眼科医生。
无标记成像就是不用打针做检查的意思吗？
是的。这类技术利用组织自身光学特性成像，不需要注射或涂抹外源性造影剂，避免了潜在毒性或干扰。例如SLAM和FLIM靠细胞内源性荧光，OCT靠组织对光的反射差异。它们已在癌症诊断、药物研发和耳部感染中探索应用。
延伸阅读
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。
轻量级AI模型可实现高血压视网膜病变床旁分级
研究团队开发了可在边缘设备（如便携式终端）运行的轻量级深度学习模型MobileViT-XXS，用于从en-face OCT图像对高血压视网膜病变（HR）进行患者级四分级评估。基于221名患者的478张OCT图像，在严格患者级划分的五折交叉验证下，该模型准确率达84.4%，ROC-AUC为0.944，kappa值0.916；对需转诊的HR（≥2级）识别准确率达95.6%，敏感度95.2%。模型仅占3.83 MB内存，推理速度达96帧/秒。