通用AI模型在眼底照相诊断中与专家一致性低
摘要
该研究是一项小样本试点研究，比较谷歌Gemini 2.5 Flash通用多模态AI模型与视网膜专科医生对66张彩色眼底照片（CFP）的独立判读结果，并以未设盲的主治专科医生诊断为参考标准。结果显示，两位人类专家间一致性达AC2=0.67（属实质性一致），而AI模型与参考专家的一致性仅为AC2=-0.58，AI与设盲专家之间的一致性也仅AC2=-0.38，表明该AI在纯图像判读中可靠性很低。
信息来源： PubMed Ophthalmology 发布于 2026年4月30日
要点速览
- 研究纳入66张彩色眼底照片，采用回顾性横断面设计，比较AI模型与视网膜专科医生的诊断一致性。
- 使用谷歌Gemini 2.5 Flash作为通用多模态AI模型，仅基于单张眼底图像进行判读。
- AI与参考专家的加权一致性系数（AC2）为-0.58，显著低于两位人类专家间的0.67。
本站解读
这项研究用66张眼底照片测试了谷歌Gemini 2.5 Flash这个通用多模态AI模型——不是专为眼科训练的工具，而是能处理文本、图像等多种输入的‘全能型’模型。结果很明确：它和临床专家的诊断一致性不仅远低于两位专家之间的水平，甚至出现负值（AC2=-0.58），说明其判断方向常与专家相反。这暴露了当前通用AI在缺乏完整病史、仅靠单张静态图像做开放性诊断时的根本局限。
研究设计是回顾性、单中心、小样本（仅66例），且参考标准本身存在不对称性——主治医生掌握全部临床信息，而AI和设盲专家只能看图，这种设定放大了AI的劣势，但也更贴近真实筛查场景中的信息缺失风险。因此，该结果并非否定AI价值，而是警示：不能把通用大模型直接当作临床诊断工具使用。
短期内它不会改变任何临床流程；真正可能落地的仍是经过严格验证、任务特异性强的AI产品，比如已获批的糖尿病视网膜病变筛查系统。对于普通人，无需因这项研究调整行为，但需意识到：目前面向消费者的多模态AI尚不适用于自主解读眼底照片。国内情况有待确认。
常见问题
我用手机拍了眼底照片，拿去AI问有没有问题，靠谱吗？
目前不靠谱。这项研究显示，通用AI模型对眼底照片的判读与专科医生一致性极低（AC2=-0.58），甚至方向相反。它没有临床经验，也不了解你的病史、症状或检查背景，无法替代专业评估。如有疑虑可咨询眼科医生。
AI以后能代替医生看眼底片吗？
短期内不能。本研究证实，当前通用多模态AI在开放性眼底诊断中可靠性不足。未来可能应用的是经过大量标注数据训练、针对特定疾病（如糖网、青光眼）优化的专用AI系统，而非泛用型模型。
延伸阅读
AI通过眼底照相识别慢性肾病微血管变化
这项单中心病例对照研究利用AI分析322名受试者的眼底照片，包括110名健康对照、142名CKD 1-2期患者和70名CKD 3-5期患者。研究发现，动脉静脉比（AVR）降低等视网膜微血管参数与CKD显著相关，且在早期阶段即已出现改变。经年龄、性别和BMI校正后，AVR每下降1单位，CKD风险增加约38.3%（OR=0.617）。模型显示出中等区分能力。
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。