标注方式显著影响青光眼视野进展的AI识别效果
摘要
该多中心回顾性研究收集了五家三级医院的视野数据，比较两种算法定义的‘进展标签’对机器学习模型性能的影响：一种是包容性的‘共识标签’（任一传统算法检出即判定为进展），另一种是保守的‘Wiggs标签’（基于区域事件阈值规则）。结果显示，使用共识标签训练的四个模型AUC达0.92–0.95，敏感度0.82–0.85，特异度0.99–1.00；而Wiggs标签下模型AUC降至0.88–0.89，敏感度仅0.63–0.72。研究指出，标签选择本身是决定AI性能的关键因素。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究在五家三级医院开展，对比两种算法衍生的视野进展标签对ML模型性能的影响
- 共识标签定义为至少一种传统算法检出进展，Wiggs标签基于区域事件阈值规则
- 共识标签下模型AUC达0.92–0.95，Wiggs标签下AUC降至0.88–0.89
本站解读
这项研究最核心的发现是：不是AI模型本身‘聪明不聪明’，而是怎么定义‘什么是进展’，直接决定了AI能多准、多早地识别青光眼恶化。用五种传统算法中任一检出就算进展的‘共识标签’，让所有模型都达到AUC 0.92以上、特异度接近100%——说明它能极可靠地排除非进展者，同时抓住八成以上的真正进展者；而更严格的Wiggs标签虽然空间定位更一致，却漏掉了近三分之一的进展案例（敏感度最低仅0.63）。这揭示了一个常被忽视的现实：临床研究里所谓‘金标准’往往并不存在，不同定义会导向完全不同的AI表现。
研究设计扎实：五中心、回顾性、四种主流分类器交叉验证，结果稳健。但它是纯算法比对，没有引入真实临床决策或患者结局作为终点，因此还不能直接推动指南更新或改变日常随访流程。短期内，它更多是给AI开发者敲警钟——别只卷模型结构，先统一‘地面真相’怎么标。国内情况有待确认。
常见问题
AI现在能帮我判断青光眼是不是变严重了吗？
目前还不能直接用于个人判断。这项研究只是在实验室里比较不同AI训练方法的效果，所有模型都依赖医生已有的视野检查数据，且尚未在真实门诊中验证是否能辅助临床决策。如有疑虑可咨询眼科医生。
为什么同一个AI，换种标注方法结果差这么多？
因为AI只能学会研究者教它的‘什么是进展’。共识标签把多种算法结果合并，覆盖更广，所以AI更敏感；Wiggs标签要求区域变化更严格，AI就变得更‘谨慎’、容易漏判。这不是AI好坏的问题，而是定义标准不同导致的结果差异。
延伸阅读
STAGE挑战赛：用OCT图像预测青光眼视野指标
中山眼科中心与HDMI实验室联合发起STAGE挑战赛，旨在建立结构-功能关联模型——从光学相干断层扫描（OCT）图像直接预测青光眼患者的视野检查指标（如平均缺损、敏感度图等）。研究发布含401例OCT体积数据（每例256张横断面图像）及对应视野标签和人口学信息的标准化数据集，并提供统一评估框架。七支决赛团队均采用融合OCT图像与表格数据的双分支架构，其中使用任务特化OCT模型的团队表现最优。
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。
深度学习从眼底照预测RNFL厚度并生成青光眼诊断似然比
研究开发了一种深度学习算法，通过普通眼底彩色照片预测视网膜神经纤维层（RNFL）厚度，并将连续预测值转化为青光眼诊断的似然比。研究纳入232名青光眼性视神经病变患者和127名健康对照者，采用横断面设计。结果显示，算法预测的RNFL厚度在青光眼组显著更低（71.3±10.6 μm vs. 95.5±7.2 μm），AUC表现良好，支持个体化概率化诊断。