GPT-5辅助屈光手术规划在SILK术中的表现评估
摘要
该研究回顾性分析了67名患者共134眼接受SILK手术的数据，时间跨度为2024年1月至2025年9月。研究人员用GPT-5基于验光、角膜曲率等参数生成屈光矫正方案，并与主刀医生方案对比。结果显示：AI球镜度数更保守（-4.29 D vs -4.70 D），柱镜无显著差异，但散光轴向偏差高达61.9°±50.1°。术后3个月裸眼视力从0.74 logMAR提升至-0.06 logMAR，证实医生规划的SILK效果优异。
信息来源： PubMed Ophthalmology 发布于 2026年5月2日
要点速览
- GPT-5生成的球镜度数比专家更保守（-4.29 D vs -4.70 D），差异有统计学意义（p=0.0025）
- AI与医生在散光轴向上的平均偏差为61.9°±50.1°，提示临床不可靠
- 术后3个月UDVA达-0.06±0.07 logMAR，证实 surgeon-planned SILK 效果优异
本站解读
这项研究直接测试了GPT-5在真实屈光手术场景中的规划能力，结论很清晰：AI能输出部分合理参数，但关键的散光轴向平均偏差达61.9°，远超临床可接受范围（通常要求＜5°），说明它尚未具备替代医生决策的能力。样本量134眼、时间跨度覆盖21个月，属于中等规模回顾性研究，虽非随机对照，但数据来自真实手术流程，可信度尚可。
短期内不可能改变临床做法——SILK本身是较新的全飞秒技术，而GPT-5在此类高精度角膜切削中暴露出对生物力学、个体愈合差异等隐性经验的缺失。论文里没有提及训练数据来源或模型微调细节，也未验证不同设备或人群的泛化性，离临床部署还有很长距离。
普通人完全不需要为此调整任何行为。AI辅助工具仍在探索阶段，当前所有获批的屈光手术方案均由医生主导制定。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
现在做近视手术，AI能帮我设计更准的方案吗？
不能。研究显示GPT-5生成的散光轴向平均偏差高达61.9°，远超安全阈值，目前所有实际开展的SILK手术均由医生制定方案。AI尚处于实验阶段，未用于临床决策。如有疑虑可咨询眼科医生。
SILK手术效果到底怎么样？
研究中医生规划的SILK手术效果优异：术后3个月裸眼视力达-0.06 logMAR，与术前戴镜视力无显著差异，且角膜曲率和厚度稳定。这印证了该技术在真实世界中的安全性和可预测性。
延伸阅读
AI增强OCT可准确量化冠状动脉斑块负荷
研究团队开发了一种深度学习算法，用于全自动分析光学相干断层扫描（OCT）图像，以量化冠状动脉斑块负荷（PB）和血管尺寸。研究使用10例尸检人的心脏，对29支主要冠状动脉进行OCT和血管内超声（IVUS）成像，并与组织病理学金标准对比。共获得852个匹配的横截面数据，结果显示AI-OCT与病理结果的相关性不劣于IVUS，且无统计学显著差异。
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。