跳转到主要内容
学术研究

巴西养老机构用手机眼底相机做筛查:AI判断表现有限

PubMed Ophthalmology (2026年1月1日)

摘要

巴西圣保罗一家老年人专门收容机构开展前瞻性试点干预研究,由受训的非眼科专业人员用便携式眼底相机为38名住户的76只眼拍照,图像交给视网膜专科医生远程评估,并与EyerMaps人工智能系统比较。专科医生在70只眼(92.1%)发现异常,没有发现糖尿病视网膜病变。以任何眼部异常为参考标准,AI判为异常22只眼,敏感度25.7%,特异度33.3%,总体准确率26.3%。

信息来源: PubMed Ophthalmology 发布于 2026年1月1日

要点速览

  • 巴西圣保罗养老机构38名住户、76只眼接受便携式眼底相机检查
  • 专科医生在70只眼(92.1%)发现异常,未发现糖尿病视网膜病变
  • AI判为异常22只眼,敏感度25.7%,特异度33.3%,准确率26.3%
  • 作者认为设备操作可行,但屈光介质混浊等问题影响了AI表现

本站解读

这项研究在圣保罗一家老年人收容机构做了一次小规模筛查试验:38名住户、76只眼,由受过培训的非眼科人员拍摄眼底照片,再由专科医生远程阅片。专科医生在70只眼(92.1%)看到异常,常见的是疑似青光眼、提示白内障的屈光介质混浊、脉络膜视网膜改变和年龄相关性黄斑变性征象,没有发现糖尿病视网膜病变。

以专科医生判断的“任何眼部异常”为参考标准,AI系统把22只眼判为异常,敏感度25.7%,特异度33.3%,阳性预测值81.8%,阴性预测值3.7%,总体准确率26.3%。这些数字反映的是AI找“任何异常”的表现,不是找糖尿病视网膜病变的表现。研究是前瞻性试点,样本很小,只有15人确诊糖尿病,作者承认屈光介质混浊等问题影响了AI表现。

我们的判断是,这项研究说明拍照环节可以交给受训的非眼科人员,但在眼病种类繁杂的老年人群里,现有AI还不能替代专科医生阅片。这一结论在国内人群中是否成立有待确认。

常见问题

在养老机构用手机眼底相机加AI筛查,准吗?

在这项小规模研究里,拍照可行,但AI的判断表现有限。受训的非眼科人员完成了拍摄,AI对任何眼部异常的敏感度只有25.7%,总体准确率26.3%。作者认为老年人中屈光介质混浊等非糖尿病视网膜病变的眼病多,影响了AI表现。如有疑虑可咨询眼科医生。

这些老人里查出了糖尿病视网膜病变吗?

没有。专科医生在76只眼中的70只(92.1%)发现异常,主要是疑似青光眼、提示白内障的屈光介质混浊、脉络膜视网膜改变和黄斑变性征象,但没有发现糖尿病视网膜病变。参与者中只有15人(39.5%)确诊糖尿病,样本也很小。如有疑虑可咨询眼科医生。

延伸阅读

学术研究

糖尿病视网膜病变AI综述:从深度学习到基础模型与实际应用

这篇结构化叙述性综述梳理了2020年1月至2026年3月间糖尿病视网膜病变的诊断、眼底成像、治疗和AI筛查进展,并选择性纳入更早的重要研究。内容涉及视野最大约200度的超广角成像、OCT和OCT血管成像,AI方法从针对单一任务的卷积神经网络向基于Transformer和自监督学习的视网膜基础模型演变,以及校准、图像质量控制和跨设备外部验证等临床应用要求。作者还提出一个临床就绪度框架。

#糖尿病视网膜病变#人工智能#眼底筛查 +1
PubMed Ophthalmology
学术研究

AI先读眼底照片:人机双读使人工阅片量减半

这项回顾性研究分析了一家三级筛查中心2593名患者的6904张彩色眼底照片,评估AI作为第一读片者的价值,疾病包括AMD、糖尿病视网膜病变和视网膜静脉阻塞。AI与一名医生独立读片,不一致时由第二名医生仲裁。AI-人读片每张图需1.02至1.11次人工阅读,人-人为2.00至2.10次。对糖尿病视网膜病变和视网膜静脉阻塞,两种方式的敏感度和特异度无显著差异;AMD因组合而异。

#眼底筛查#人工智能#双人读片 +1
PubMed Ophthalmology
学术研究

AI模型用45°眼底照准确识别糖尿病视网膜病变

研究基于印度南部2610名40岁以上参与者的数据,训练深度学习模型分析45°和200°超广角眼底图像。结果显示,该模型在45°图像上DR分级准确率达97.24%,将漏判率从16.5%降至6.2%;Grad-CAM显示模型聚焦中央区域,血管分析发现眼底周边病变与中央血管密度、迂曲度变化相关,提示AI可捕捉亚临床血管改变。

#人工智能#糖尿病视网膜病变#眼底筛查
PubMed Ophthalmology