AI可从眼底照生成荧光造影图像
摘要
研究用两种生成对抗网络（RegGAN和UWAFA-GAN）从超广角眼底彩照（UWFP）合成超广角荧光血管造影（UWFA）图像，测试对象为2084对图像，涵盖各期糖尿病视网膜病变。结果显示，UWAFA-GAN在像素级相似度（SSIM 0.43–0.585）上更优，而RegGAN在临床诊断准确性（66.7% vs. 49.2%）上表现更好，能更可靠识别病变严重程度。
信息来源： PubMed Ophthalmology 发布于 2026年6月1日
要点速览
- 研究基于2084对超广角眼底照与荧光造影图像，训练两种GAN模型生成合成UWFA图像。
- RegGAN在临床诊断准确性（66.7%）上显著高于UWAFA-GAN（49.2%），更适配DR分期判读。
- 模型尚未进入临床应用，目标是作为非侵入性补充工具，尤其在传统UWFA不可用或有禁忌时。
本站解读
这项研究证实，AI模型确实能从普通眼底照‘画出’类似荧光造影的图像，而且不是简单模糊填充——RegGAN在诊断关键指标上达到66.7%的准确率，说明它抓住了医生判断分期所需的血管渗漏、无灌注区等特征，而非仅追求画面逼真。样本量超2000对图像，在AI医学影像研究中属中等偏上水平，但全部来自单一设备（Optos California P200DTx），泛化能力存疑；且未做前瞻性临床验证，离真实诊室还有距离。
短期内不可能替代真实荧光造影，因为后者仍是评估新生血管、毛细血管闭塞的金标准；但若未来通过更大规模多中心验证并获监管批准，这类技术可能先用于筛查初筛或资源匮乏地区，减少患者因禁忌（如碘过敏、肾功能不全）或设备缺失而无法检查的情况。国内情况有待确认。
普通人无需因此改变任何行为——这仍是实验室阶段的技术，不涉及自我监测或日常管理调整。如有疑虑可咨询眼科医生。
常见问题
AI生成的造影图能代替真的打针拍片吗？
不能代替。真实荧光造影需静脉注射荧光素钠，动态观察血流灌注，是评估糖尿病视网膜病变活动性的金标准；AI生成图只是静态模拟，目前诊断准确率最高仅66.7%，无法反映血流动力学变化。它只可能作为辅助筛查或特殊情况下（如过敏、肾功能不全）的参考，不能用于制定治疗决策。
以后查眼底不用打针了？
目前还不能。该技术仍处于研究验证阶段，尚未获批用于临床诊断。即使未来落地，也仅适用于部分场景，比如基层初筛或患者因禁忌无法接受造影时的替代参考。真实造影在判断是否需要激光、抗VEGF治疗等关键决策上仍不可替代。如有疑虑可咨询眼科医生。
延伸阅读
AI可替代一名医生进行眼底照相初筛
研究回顾性分析6904张眼底彩照，评估AI作为初筛者与一名医生组成双人读片流程的效果。结果显示，对糖尿病视网膜病变和视网膜静脉阻塞，AI-human组合的敏感度（0.974–0.982）和特异度（0.999–1.000）与传统双人人工读片无显著差异，且人均阅片量从2.00–2.10次降至1.02–1.11次；年龄相关性黄斑变性结果因读片组合而异，部分组合敏感度更高（0.916–0.950）。
AI模型用彩照检测糖尿病黄斑缺血
研究开发了一种图神经网络多光谱学习模型（GNN-MSVL），利用普通彩色眼底照片检测糖尿病黄斑缺血（DMI）。该模型通过计算重建24波长伪多光谱图像，增强对缺血组织微弱反射变化的识别能力。研究纳入1078张来自592名糖尿病患者的单眼彩照，其中530张确诊为DMI。结果显示，模型在眼水平准确率达84.7%，AUC为0.900，显著优于基线模型和人类专家。
AI-OCT系统可大幅减少糖尿病黄斑水肿误转诊
研究在香港开展，先通过603名糖尿病患者进行前瞻性静默验证，再在276名疑似糖尿病黄斑水肿（DME）患者中开展非劣效性随机对照试验。AI-OCT系统结合图像质量评估、DME检测与不确定性标记功能，在干预组中将DME误转诊率从69.1%降至24.1%，绝对下降45%，且敏感性保持100%。