莆田团队开发MyoSpectrumNet,一个模型完成病理性近视多项评估
摘要
据Ophthalmology Times报道,莆田市第一医院团队在《Frontiers in Medicine》发表MyoSpectrumNet模型,把HPMI(4011张)、PALM(1200张)和MMAC三个公开眼底数据集整合进一个多输出框架,同时完成病理性近视筛查、近视性黄斑病变分级、等效球镜度估计和病灶检测分割。病理性近视筛查AUC为0.985和0.993,与单任务专用模型(0.987和0.996)相近;黄斑病变分级的加权kappa与专用模型同为0.907。但在等效球镜度估计上,联合模型误差(1.259 D)大于专用模型(1.006 D),4级黄斑病变的敏感度也低于基线模型。
信息来源: Ophthalmology Times 发布于 2026年11月5日
要点速览
- 莆田市第一医院团队开发MyoSpectrumNet,整合HPMI、PALM、MMAC三个公开眼底数据集。
- 一个模型同时完成病理性近视筛查、黄斑病变分级、等效球镜度估计和病灶分割。
- 筛查AUC 0.985和0.993,与专用模型相近;度数估计误差1.259 D,大于专用模型的1.006 D。
- 完整框架尚未经外部数据验证,作者认为临床使用前需前瞻性多中心研究。
本站解读
这项研究来自福建莆田市第一医院团队,用一个约3100万参数的模型同时完成病理性近视的筛查、黄斑病变分级、度数估计和病灶分割。筛查和分级的表现与单独训练的专用模型基本持平,病灶分割的Dice系数从0.397提高到0.472;但度数估计的误差变大,4级黄斑病变的敏感度只有0.77。作者自己也说,联合学习并没有让每一项输出都变好。
局限写得很坦率:部分结果只是验证集估计,3–4级病例只有25例,完整框架还没有在外部数据上测试。作者认为临床使用前需要前瞻性、多中心验证,病灶图只作为分诊参考而非自动诊断。我们的判断是,这类一图多用的模型对基层筛查有吸引力,但目前仍处于研究阶段。
中国视角上,病理性近视是高度近视人群的重要致盲风险,国内团队做这一方向的模型有现实需求。不过它目前只用公开数据集训练和验证,在国内医院真实影像上的效果、以及是否进入注册审批,都有待确认。
常见问题
这个AI能直接帮我查出有没有病理性近视吗?
现在还不能。MyoSpectrumNet是莆田市第一医院团队开发的研究阶段模型,只在公开眼底数据集上验证过,完整框架还没有在外部数据上测试,作者也强调临床使用前需要前瞻性、多中心验证。国内能否在医院里用上尚不确定,担心高度近视的眼底问题,如有疑虑可咨询眼科医生。
用一张眼底照就能知道近视多严重、有没有病变吗?
模型的设计目标是这样,但还做不到完全可靠。它在病理性近视筛查和黄斑病变分级上表现接近专用模型,但估计近视度数的误差比专用模型大,对最严重的4级黄斑病变敏感度也只有0.77。国内配镜仍需正规验光,眼底病变以医生检查为准,如有疑虑可咨询眼科医生。
延伸阅读
Eyedaptic推出视网膜疾病患者AI视觉助手Eva
Eyedaptic公司为其EYE7视觉增强智能眼镜推出AI视觉助手Eva。与以往主要回答场景问题的助手不同,Eva被设计为能推断用户需求并直接调节眼镜的视觉增强设置,无需菜单或遥控器操作。公司称内部测试中阅读准确率超过99%、指令准确率97%,但这些数据未经独立验证或同行评议。Eva已通过远程软件升级向所有EYE7用户开放,主要面向年龄相关性黄斑变性等视网膜疾病导致的视力受损人群。
基于注意力机制与对比学习的OCT多病种AI分类模型
研究团队开发了轻量级深度学习框架AESNet-SEC,在SqueezeNet基础上融合多尺度空洞卷积、空间注意力、挤压激励重校准和对比表征学习,用于OCT图像多病种分类。模型在公开数据集Retinal OCT-C8(24,000张图像,8类)上准确率为98.56%,在伊朗Zeyaei医院前瞻性采集的临床数据集(9732张B扫描,4类)上四次重复评估准确率为96.33%–96.98%。加入高斯噪声测试时,糖尿病视网膜病变和玻璃膜疣的识别下降更明显。Grad-CAM可视化显示模型关注区域符合视网膜解剖,独立视网膜专科医生的审阅给予了定性支持。作者表示仍需更广泛的患者分离、多中心验证。
Jobson光学与NECO联合发布视光AI认知调研
Jobson光学研究公司与新英格兰视光学院(NECO)联合开展调查,了解视光专业学生和从业者对AI的看法。据Vision Monday报道,2026年10月共860人作答,包括358名视光学生、214名视光师和185名验配人员。约三分之二的学生每周在学习或工作中使用AI,视光师约为三分之一;当AI建议与自己判断不一致时,57%的人会自行进一步查证,只有2%会直接听从AI。结果在NECO 2026行业协作活动上发布。