离线AI辅助眼底拍照用于儿童青光眼初筛
摘要
研究评估了基于智能手机的离线AI辅助眼底成像在≤18岁儿童青光眼筛查中的可行性。共纳入21名患儿，在三级眼科中心完成AI眼底拍照与临床评估。AI对垂直杯盘比的测量结果与临床评估一致性良好（95%一致性界限为-0.15至+0.23）；在8例存在视神经结构改变的患儿中，AI推荐转诊7例，且未对无结构改变的13例错误推荐转诊。
信息来源： PubMed Ophthalmology 发布于 2026年2月1日
要点速览
- 研究在21名≤18岁青光眼患儿中测试了离线AI辅助智能手机眼底成像的可行性
- AI系统可离线运行，直接分析眼底图像并输出转诊建议，不依赖网络连接
- AI对垂直杯盘比的测量与临床评估一致性良好，95%一致性界限为-0.15至+0.23
本站解读
这项研究说明，搭载离线AI算法的便携式眼底拍照设备，能在不依赖网络的情况下，较准确识别出儿童青光眼相关的视神经结构损害——比如AI成功识别了8例确诊有视神经改变患儿中的7例，且零误报。但样本量仅21例，属于小规模单中心病例系列，无法代表真实世界筛查场景下的性能，更不能替代专业医生的综合判断。
短期内它难改临床常规：当前AI输出只是‘是否建议转诊’的二分类提示，而儿童青光眼诊断需结合眼压、视野、角膜厚度、前房角等多维度证据，AI尚未覆盖这些。该技术真正进入基层筛查流程，还需更大样本验证、监管审批及操作培训配套。国内情况有待确认。
普通人无需因此改变日常行为——儿童青光眼症状隐匿，AI工具再先进也替代不了定期眼科检查。家长如发现孩子畏光、流泪、角膜混浊或眼球异常增大，如有疑虑可咨询眼科医生。
常见问题
这个AI拍照能代替医院检查吗？
不能代替。该AI只分析眼底照片中的视神经结构（如杯盘比），而儿童青光眼确诊还需测眼压、查角膜厚度、评估前房角和视野等。它目前定位是初筛辅助工具，提示哪些孩子可能需要进一步检查。如有疑虑可咨询眼科医生。
孩子用手机拍个照就能知道有没有青光眼吗？
不能单靠拍照确诊。研究中AI仅对21名已确诊或疑似青光眼的儿童做回顾性验证，且只判断是否存在视神经结构改变，不评估眼压或视力功能。它不是家用自检工具，必须由医务人员操作并在临床背景下解读结果。如有疑虑可咨询眼科医生。
延伸阅读
GPT-5-Thinking辅助识别眼眶及头颈部肿瘤MRI报告
该研究在两家中心开展，纳入1000例经病理证实的眼眶或头颈部肿瘤患者，使用GPT-5-Thinking模型分析其治疗前MRI报告。模型输出良恶性判断及前三项鉴别诊断。第一阶段显示，模型对眼眶肿瘤的Top-1诊断准确率为76.7%，与亚专科医生的78.3%相近；第二阶段中，7名普通放射科医生在AI辅助下重读报告，诊断准确性提升。
动态聚合联邦学习用于视网膜静脉阻塞检测
研究提出一种新型联邦学习框架，用于在多家医疗机构间协同训练视网膜静脉阻塞（RVO）AI检测模型。该框架在服务器端根据数据分布特征，自动选择FedAvg或SCAFFOLD算法进行模型聚合，通过监测通信轮次间的归一化L2散度实现动态切换。实验在模拟的5个客户端、二分类RVO数据集上验证，覆盖IID与非IID两种数据分布场景。
多光谱成像联合生成模型提升眼底分类准确率
研究团队利用多光谱眼底相机采集102名患者（共2040张图像）的416–1213 nm波段图像，构建条件变分自编码器（CVAE）模型进行健康/病变眼底分类。结果显示，在416–955 nm波段、最高分辨率（1757×1757像素）下，模型达到100%准确率、敏感性和特异性；其他配置下准确率96%–98%，敏感性92%–98%，特异性97%–100%。研究证实该方法具备高鲁棒性与临床筛查潜力。