全球首个眼科基础模型Global RETFound启动
摘要
研究团队发起国际协作计划，开发名为Global RETFound的开源眼科基础模型，使用合成与匿名真实眼底彩照预训练。截至2026年7月10日，已有78国232家机构加入，39国提交88项数据资产（生成式AI权重或真实眼底照片）。目标是提升模型对拉丁美洲、非洲、中东和中亚等代表性不足人群的泛化能力，推动公平、可推广的眼科及系统性疾病AI应用。
信息来源： PubMed Ophthalmology 发布于 2026年11月1日
要点速览
- Global RETFound是全球首个面向眼科和系统性疾病的开源基础模型，采用合成与匿名真实眼底彩照预训练。
- 项目采用两层贡献框架：协作方可选择共享微调后的生成式AI权重，或匿名真实眼底彩照（CFP）。
- 截至2026年7月10日，已吸引78国232家机构参与，收到39国提供的88项数据资产。
本站解读
这项研究不是又一个实验室里的AI模型，而是全球眼科AI第一次真正尝试‘去中心化共建’——不依赖单一厂商或高资源国家的数据垄断，而是让78个国家的机构按自身条件贡献数据或模型权重。截至2026年7月10日，已有232个协作方和88项数据资产入局，这个规模在医学AI领域前所未有。研究设计本身是协议而非临床试验，没有患者干预或随访，因此不评估疗效，只验证模型能否在多地区数据上稳定输出诊断性能指标（如AUC、F1-score等），其科学性取决于后续共享数据的质量与多样性，而非样本量大小。
短期内它不会改变医生看眼底照的方式，因为Global RETFound目前定位是研究工具，尚未集成进任何临床软件或获批为医疗器械。真正落地需经历严格验证、监管审批、医院IT系统对接三重门槛，至少还需3年以上。国内情况有待确认。
普通人无需为此调整生活习惯或检查频率；该模型不面向公众开放使用，也不提供自助分析服务。如有疑虑可咨询眼科医生。
常见问题
这个AI模型能直接帮我查出有没有糖尿病眼病吗？
不能。Global RETFound目前仅用于科研，未作为诊断工具获批上市，也不向公众开放使用。它不替代医生阅片，也不能直接给出个人健康结论。如有疑虑可咨询眼科医生。
听说这是全球第一个眼科AI大模型，到底有多厉害？
它的突破在于协作模式而非技术指标：首次通过开放协议整合78国数据资源，重点覆盖此前被主流AI数据集忽略的拉丁美洲、非洲、中东和中亚人群。这有望提升未来眼科AI在全球不同人群中的可靠性，但具体性能仍待后续验证。
延伸阅读
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。
计算眼科二十年演进与AI新前沿
该文基于2026年ARVO年会Cogan奖讲座，系统回顾了过去20年计算眼科的发展历程，涵盖大数据驱动的科研突破、机器学习在眼底影像等领域的应用，以及AI就绪数据生态系统的构建。讲座还展望了基础模型和智能体AI作为下一阶段关键技术，有望加速科学发现并提升临床照护水平。
AI眼模型提升儿童散瞳后验光准确性
研究开发了一种受数字孪生启发的患者特异性眼-晶状体模拟框架，用于儿童散瞳后配镜处方。在183名平均年龄9.9岁的儿童中，该AI波前验光法与主观验光的球镜等效值（SE）平均差异为0.04±0.35D，无统计学显著差异；而传统自动验光差异为0.21±0.52D（P<0.001）。AI方法在SE上91.3%的处方误差≤0.50D，高于传统法的86.9%。