AI驱动的眼科组学探索脑-眼关联
摘要
本文是一篇观点文章，探讨了人工智能支持下的‘眼科组学’（oculomics）在识别和治疗神经退行性及脑血管疾病中的潜在应用。作者提出，视网膜作为中枢神经系统的外周延伸，其影像特征可能反映大脑健康状态，AI技术可从眼底图像中挖掘与神经系统疾病相关的生物标志物。
信息来源： PubMed Ophthalmology 发布于 2026年5月28日
要点速览
- 该文为观点类文章，非实证研究，未报告具体样本量、统计结果或临床试验数据。
- 提出‘眼科组学’概念，即利用AI分析视网膜影像以识别神经退行性和脑血管疾病风险。
- 强调视网膜是中枢神经系统的可无创观察窗口，AI有望从中提取疾病相关生物标志物。
本站解读
这项研究没有报告具体实验数据或临床结果，而是一篇观点类文章，核心是提出一个概念框架：用AI分析眼底图像来捕捉阿尔茨海默病、帕金森病、中风等神经系统疾病的早期信号。它不提供样本量、统计显著性或验证指标，因此不能视为临床证据，更像一份技术路线图。
从论文到临床应用还有很长距离——需要大规模前瞻性队列验证、多中心算法泛化测试、监管审批，以及与现有诊断手段（如MRI、脑脊液检测）的头对头比较。目前没有任何产品或流程因此改变。
普通人无需为此调整生活习惯或检查计划。眼底照相本身已是常规检查，但当前AI模型尚未进入诊疗路径。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？
目前还不能用于确诊。这篇文章只是提出一种理论可能，并未提供临床验证数据。AI模型尚处于概念探索阶段，未通过大型人群试验验证其敏感性和特异性。如有疑虑可咨询眼科医生。
以后体检只拍个眼底就能代替脑部检查吗？
不能。眼底成像无法替代MRI、CT或神经心理评估等标准检查。该观点仅提示视网膜变化可能与脑部疾病存在关联，但现阶段没有任何AI工具具备独立诊断能力。如有疑虑可咨询眼科医生。
延伸阅读
机器学习通过眼底影像无创识别神经退行性疾病
该综述系统梳理了利用视网膜和视神经影像结合机器学习模型诊断阿尔茨海默病、帕金森病和多发性硬化等神经退行性疾病的研究进展。由于视网膜是中枢神经系统的延伸，其结构与血管变化可反映脑部病变。现有证据表明，基于视网膜图像训练的机器学习模型在疾病分类中已展现出高准确率，为无创、便捷、早期识别这些疾病提供了新路径。
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。
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。