深度学习辅助内窥OCT引导肉瘤活检
摘要
该研究针对未分化多形性肉瘤和黏液纤维肉瘤，利用前向式内窥光学相干断层扫描（OCT）结合深度学习模型，在手臂和腿部离体组织样本上进行正常与肿瘤组织分类。研究对比了5种2D模型和1种自定义3D卷积神经网络（CNN），在强度OCT通道中，3D CNN达到92.67%的最高准确率；偏振敏感OCT（PS-OCT）通道则更受益于现代2D架构与3D建模，光学轴方向性能提升达9.63%。结果证实内窥OCT可作为活检中实时、无标记的组织表征工具。
信息来源： PubMed Ophthalmology 发布于 2026年10月1日
要点速览
- 研究在离体手臂和腿部组织上验证了前向式内窥OCT联合深度学习对未分化多形性肉瘤和黏液纤维肉瘤的识别能力
- 3D卷积神经网络在强度OCT通道中实现92.67%分类准确率，是所有模型中的最高值
- 偏振敏感OCT通道中，光学轴方向性能较基线提升达9.63%，显示多维信号建模的价值
本站解读
这项研究的核心突破是：用前向式内窥OCT加深度学习，在离体肢体肉瘤组织上实现了92.67%的肿瘤识别准确率——这个数字远高于传统盲穿活检的诊断成功率，说明技术确有潜力减少取样错误和重复操作。
但必须指出，研究仅基于离体标本，未涉及活体、运动伪影、血流干扰或临床操作流程验证，样本来源、数量和多样性均未披露，属于早期方法学验证阶段，距离手术室实际应用还有明显距离。
短期内它不会改变临床做法：OCT设备尚未集成到常规活检针具中，模型也未在真实穿刺过程中完成端到端测试；更关键的是，肉瘤主要由病理科和骨软组织肿瘤科处理，眼科医生不参与此类活检，该技术当前与眼科临床实践无直接关联。国内情况有待确认。
常见问题
这个新技术能让我少做几次活检吗？
目前还不能。该技术仅在离体组织上验证，尚未用于人体活检过程，也未证明可降低重复穿刺率。它处于实验室验证阶段，距离临床应用尚需多年技术整合与临床试验。如有疑虑可咨询眼科医生。
OCT+AI以后能直接在手术中告诉医生哪里是肿瘤吗？
理论上可以，但现阶段做不到。研究只展示了离体组织的图像分类能力，未实现实时针尖定位、动态组织变形补偿或与穿刺器械的硬件集成。要达到术中实时引导，还需解决成像稳定性、系统延迟和临床工作流适配等关键问题。
延伸阅读
深度学习辅助OCT评估低强度激光治疗对伤口刚度的影响
该研究利用660 nm低强度激光治疗（LLLT）作用于伤口部位，结合光学相干断层扫描（OCT）与气流压痕系统，非接触式测量皮肤刚度变化。研究采用U-Net模型自动分割OCT图像，分割准确率达92%，从而实现分层定量分析。结果显示，LLLT治疗后皮肤刚度显著降低，提示其可急性调节伤口组织的生物力学环境。
强直性肌营养不良1型患者视网膜各层结构增厚
该研究对比了79只强直性肌营养不良1型（Steinert病）患者眼和128只健康对照眼的光学相干断层扫描（OCT）图像，分析后极部及视盘周围区域多个视网膜层厚度。结果显示，患者普遍存在视网膜各层增厚，尤其视网膜神经纤维层（RNFL）在颞侧视盘区及乳头黄斑束区域显著增厚。研究认为OCT可作为评估该病视网膜受累的潜在结构标志物。
AI自动诊断黄斑裂孔并生成结构化报告
研究团队开发了一套端到端的智能AI工作流，用改进版RETFound模型分析OCT图像，自动判断是否为黄斑裂孔，并调用GPT-4生成患者易懂的结构化报告。内部测试（n=180）准确率达100%，AUC为1.00；外部验证（n=1014）准确率98.8%，敏感度97.9%，特异度100%，AUC达0.999。Grad-CAM分析证实模型关注的是黄斑区真实病灶。