AI用于年龄相关性黄斑变性精准治疗:综述与五级就绪度框架
摘要
这篇综述概述了人工智能在年龄相关性黄斑变性(AMD)精准治疗中的应用。AI模型利用眼底照相、OCT、OCT血管成像、CFH、ARMS2/HTRA1等易感基因位点和随访数据,在早期发现、进展预测、生物标志物识别和治疗反应预测方面显示出潜力。作者还提出一个五级临床就绪度与转化效用框架,并指出外部验证不足、研究多为回顾性、数据集差异大、可解释性不足等障碍。
信息来源: PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 综述概述AI结合影像、基因位点和随访数据用于AMD精准治疗
- 作者提出五级临床就绪度与转化效用框架
- 主要障碍包括外部验证不足、回顾性设计多、数据集差异和可解释性不足
- 摘要没有给出具体的模型性能数字
本站解读
这是一篇综述,没有新的患者数据。它讨论的问题是:AI能不能帮助医生为年龄相关性黄斑变性患者选择更个体化的治疗。作者梳理了用眼底照相、OCT、OCT血管成像、基因位点和长期随访数据训练的AI模型,认为它们在早期发现、进展预测和治疗反应预测上显示出潜力,涉及的治疗方向包括优化的抗VEGF方案、补体靶向治疗、基因干预和干细胞相关的再生方法。
作者提出一个五级框架,按证据强度、临床成熟度、验证状态和可解释性,把AI应用分成接近参考标准的影像AI、临床决策辅助工具、新兴的多模态精准治疗AI、支持性流程AI,以及目前有限或不适用的应用。作者同时承认外部验证不足、回顾性研究设计多、数据集差异和监管不确定等障碍仍然存在。摘要没有给出具体的性能数字。
我们的判断是,这篇综述的主要价值是给出评估AI成熟度的分级方式,而不是证明某个AI工具已经能改变治疗选择。国内情况有待确认。
常见问题
AI能帮黄斑变性患者选对治疗吗?
综述认为有潜力,但目前证据还有限。AI在早期发现、进展预测和治疗反应预测上显示出前景,作者同时指出外部验证不足、研究多为回顾性等问题。具体治疗选择如有疑虑可咨询眼科医生。
这篇综述提出的五级框架是什么意思?
它是作者提出的一种分级办法,按证据强度、临床成熟度、验证状态、可解释性和落地潜力,把AI应用分为五类,从接近参考标准的影像AI,到目前有限或不适用的应用。它是评估AI成熟度的工具,不是对患者的诊疗指引。如有疑虑可咨询眼科医生。
延伸阅读
眼科AI从诊断准确率到临床应用:一篇综述的观点
这篇综述指出,眼科人工智能的一个持续难题是,擅长图像分类的系统很少带来患者结局的改善。作者认为主要障碍包括数据偏倚、域偏移和标签噪声,缺少前瞻性随机部署试验,也常忽视以患者为中心的目标、成本效益和公平性。解决需要严格的外部验证、明确的决策标准和真实临床中的持续监测。
人工智能在神经眼科影像中的应用:叙述性综述
这是一篇叙述性综述,梳理已发表研究中人工智能在部分神经眼科疾病里的应用,重点讨论筛查、诊断和病情进展评估中的优点、局限与挑战。作者认为,深度学习和卷积神经网络在解读眼底照相、光学相干断层扫描(OCT)和磁共振成像方面显示出潜力,可用于视神经乳头异常的筛查、特征描述和监测,但多数应用仍处于研究、回顾性验证或概念验证阶段。
AI用于脉络膜影像分析的综述:潜力与障碍
这篇综述介绍人工智能在脉络膜成像中的应用。脉络膜是富含血管的一层,为外层视网膜提供营养,可能反映全身微血管健康。AI可自动增强、分割和分析脉络膜图像,有助于发现与眼病和全身疾病相关的脉络膜生物标志物。作者指出,解剖结构复杂、成像方案不统一、缺少大规模标注数据集阻碍了AI的应用,要把AI得出的脉络膜指标作为可靠的诊断和预后工具,必须先克服这些障碍。