人工智能在视网膜母细胞瘤和脉络膜黑色素瘤中的应用综述
摘要
这篇综述梳理了2010至2025年间AI在眼肿瘤诊疗中的进展，重点涵盖视网膜母细胞瘤的 fundus 摄影识别、脉络膜黑色素瘤与良性病变的鉴别，以及结合OCT、B超和组织病理的多模态AI模型在预后预测和治疗分层中的应用。研究指出，部分AI算法诊断准确率已达到甚至超过眼科肿瘤专家水平。
信息来源： PubMed Ophthalmology 发布于 2026年5月8日
要点速览
- AI模型已在fundus摄影、OCT、B超及组织病理等多模态影像中用于视网膜母细胞瘤检测和脉络膜黑色素瘤鉴别。
- 综述纳入的研究时间范围为2010–2025年，基于PubMed和Web of Science数据库检索。
- AI算法诊断性能已达到或在某些任务中超过眼科肿瘤专家水平，但临床应用受限于数据多样性和前瞻性验证不足。
本站解读
这项综述表明，AI在眼内恶性肿瘤识别上已不只是实验室概念——它能在fundus照片中发现早期视网膜母细胞瘤，在OCT和B超图像中区分脉络膜黑色素瘤与痣，有些模型性能已媲美甚至超越专科医生。但支撑这些结果的研究多为单中心回顾性分析，样本量未披露，且时间跨度拉长至2025年（含尚未发表的预印本或计划中研究），说明多数证据仍处初步验证阶段。
从论文到临床，关键卡点不在算法本身，而在真实世界的数据壁垒：需要跨机构、跨设备、跨人种的大型队列来训练和验证模型。目前尚无研究提及已进入前瞻性多中心临床试验阶段，这意味着短期内不会直接改变基层筛查流程或替代医生判读。
普通人无需因此调整日常行为，AI辅助诊断不改变现有随访节奏或检查方式；如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
AI能代替医生看眼底照片查癌症吗？
目前还不能完全代替。综述指出，部分AI模型在识别视网膜母细胞瘤或区分脉络膜黑色素瘤与良性病变时表现接近甚至优于专家，但这些结果主要来自回顾性研究，尚未在真实门诊场景中大规模验证。AI现阶段更适合作为医生的辅助工具，而非独立决策者。如有疑虑可咨询眼科医生。
用AI查眼睛里的肿瘤，是不是以后检查更快更准了？
理论上是的，但实际落地还需时间。综述强调，AI要真正提升效率和准确性，必须通过多中心、前瞻性研究验证，并整合不同品牌设备采集的影像数据。当前多数模型仍在‘概念验证’阶段，尚未形成标准化产品嵌入常规诊疗流程。如有疑虑可咨询眼科医生。
延伸阅读
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。
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。