AI通过眼底影像辅助阿尔茨海默病和帕金森病早期识别
摘要
研究综述了人工智能利用眼底照相（CFP）和光学相干断层扫描（OCT）影像识别阿尔茨海默病（AD）和帕金森病（PD）的最新进展。AD患者普遍存在视网膜神经节细胞层（GC-IPL）和视网膜神经纤维层（RNFL）变薄，AI基于OCT图像识别AD准确率达80%，结合OCT与眼底彩照可将轻度认知障碍（MCI）识别准确率提升至85%。PD患者则表现为RNFL普遍变薄、外丛状层增厚等特征，多模态AI模型实现100%敏感性和85%特异性。
信息来源： PubMed Ophthalmology 发布于 2026年5月19日
要点速览
- AI基于OCT图像识别阿尔茨海默病准确率约80%，结合OCT与眼底彩照识别轻度认知障碍达85%。
- 帕金森病的AI识别最优方案是多模态成像，实现100%敏感性和85%特异性。
- 研究强调需在更大样本中训练模型并开展纵向评估，才可面向一般人群应用。
本站解读
这项综述表明，AI分析视网膜影像已能在实验室层面较可靠地区分阿尔茨海默病和帕金森病——比如用OCT加眼底照相识别轻度认知障碍，准确率可达85%；而针对帕金森病，多模态AI模型甚至达到100%的敏感性。但这些结果来自已有研究的汇总，并非单一新临床试验，样本量、数据来源和评估标准在原文中均未披露，因此尚不能直接等同于临床可用工具。
从论文到日常诊疗还有明显距离：文中明确指出，当前模型需在更大样本中训练验证，并开展纵向随访评估，才能推广至普通人群。这意味着短期内不会替代脑脊液检测或PET扫描等现有手段。对普通人而言，无需因这项研究改变眼部检查频率或方式，更不意味着眼底拍照能替代神经科评估；如有认知或运动功能方面的疑虑，可咨询眼科医生或神经科医生。
国内情况有待确认。
常见问题
AI看眼底照片真能查出老年痴呆吗？
目前还不能作为确诊依据，但研究显示AI分析眼底照相和OCT图像可在研究环境中识别阿尔茨海默病相关视网膜变化，准确率约80%；结合两种影像识别轻度认知障碍可达85%。这属于前沿探索阶段，尚未进入常规临床诊断流程。如有认知方面疑虑可咨询眼科医生或神经科医生。
查眼睛能不能提前发现帕金森病？
研究发现帕金森病患者存在特定视网膜结构变化，如视网膜神经纤维层变薄、外丛状层增厚等；AI通过多模态影像分析可达到100%敏感性和85%特异性。但这仍处于科研验证阶段，不能替代临床神经学评估。如有运动迟缓、手抖等疑虑，可咨询眼科医生或神经科医生。
延伸阅读
AI眼病诊断研究临床转化率低
这项系统综述分析了2020年至2025年8月间发表的43篇基于眼底照和OCT图像的深度学习眼病诊断研究，发现虽有超95%的模型宣称高准确率，但仅14.3%完成真正临床验证，23.1%未公开代码或实现细节。研究提出‘转化准备度框架’，整合技术透明度、验证严谨性与性能报告，为眼科AI落地提供评估标准。
AI眼底诊断为何难进诊室？系统综述揭示三大落地障碍
该系统综述分析了2018至2025年间34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等眼病诊断中准确率常超90%，表现媲美甚至优于专家医生。但临床实际应用仍受限，主要存在三方面缺口：AI工具难以嵌入现有诊疗流程、决策过程缺乏透明度、在不同人群中的泛化能力差。
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。