计算眼科二十年演进与AI新前沿
摘要
该文基于2026年ARVO年会Cogan奖讲座，系统回顾了过去20年计算眼科的发展历程，涵盖大数据驱动的科研突破、机器学习在眼底影像等领域的应用，以及AI就绪数据生态系统的构建。讲座还展望了基础模型和智能体AI作为下一阶段关键技术，有望加速科学发现并提升临床照护水平。
信息来源： PubMed Ophthalmology 发布于 2026年10月1日
要点速览
- 讲座回顾了过去20年计算眼科的演进历程，聚焦科学进步如何重塑眼科研究范式。
- 内容涵盖大数据在科研发现中的作用、机器学习在眼科影像的应用，以及AI就绪数据生态系统的建设。
- 提出基础模型和智能体AI是计算眼科下一阶段前沿方向，目标是加速科学发现并改善临床照护。
本站解读
这项讲座不是一项临床试验，而是一次权威综述性发言，梳理了计算眼科从萌芽到成熟的关键节点——过去20年是其发展主轴。它没有提供具体样本量或统计结果，而是以领域演进为线索，强调大数据和机器学习已深度嵌入眼科影像分析等场景；这种总结性工作本身不直接验证疗效，但能清晰标定技术落地的阶段性成果。
短期内不会改变医生查房或开单流程，因为基础模型和智能体AI仍处于概念推进期，离嵌入诊疗系统还有工程化、验证和监管路径要走。论文到临床应用的距离，取决于后续能否在真实世界中稳定输出可解释、可复现的辅助决策能力。
普通人无需因此调整用眼习惯或就医节奏，AI工具再先进，也不能替代医生对个体病情的综合判断。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
AI看眼底照片真能代替医生吗？
不能代替。目前AI主要用于辅助识别眼底图像中的异常特征，比如糖尿病视网膜病变迹象，但诊断结论、治疗方案和病情综合评估仍需由眼科医生完成。AI输出需经医生审核，不能单独用于临床决策。
听说有‘智能体AI’要进眼科，这是什么？
智能体AI是指能自主规划、调用工具并迭代执行任务的AI系统，比如自动选择影像分析模型、生成报告初稿、提示关键征象。它尚处于探索阶段，还未进入实际诊疗流程，目前仅在讲座中被列为未来发展方向。
延伸阅读
全球首个眼科基础模型Global RETFound启动
研究团队发起国际协作计划，开发名为Global RETFound的开源眼科基础模型，使用合成与匿名真实眼底彩照预训练。截至2026年7月10日，已有78国232家机构加入，39国提交88项数据资产（生成式AI权重或真实眼底照片）。目标是提升模型对拉丁美洲、非洲、中东和中亚等代表性不足人群的泛化能力，推动公平、可推广的眼科及系统性疾病AI应用。
深度学习算法在眼底照相中识别青光眼的外部验证
研究对外部人群队列（鹿特丹研究，50-80岁共9837名参与者、19088只眼）验证了一种基于彩色眼底照相（CFP）的深度学习算法，该算法曾获AIROGS挑战赛冠军，训练数据为101442张黄斑中心CFP。结果显示：在95%特异性下，眼水平敏感度为70.6%，ROC-AUC为0.911；真阳性者视野损害更重（平均偏差-10.8 vs -5.8 dB）；54%的真阳性者在确诊前4–7年即被算法标记；视盘中心CFP比黄斑中心CFP判别性能略优；视神经乳头显示不全显著降低阳性预测值。
AI眼模型提升儿童散瞳后验光准确性
研究开发了一种受数字孪生启发的患者特异性眼-晶状体模拟框架，用于儿童散瞳后配镜处方。在183名平均年龄9.9岁的儿童中，该AI波前验光法与主观验光的球镜等效值（SE）平均差异为0.04±0.35D，无统计学显著差异；而传统自动验光差异为0.21±0.52D（P<0.001）。AI方法在SE上91.3%的处方误差≤0.50D，高于传统法的86.9%。