大模型给OCT黄斑变性诊断打分,与视网膜专家评分一致性高
摘要
这项回顾性研究开发了一种由大语言模型(LLM)充当评估者的流程,给其他LLM依据OCT图像作出的AMD诊断打分,使用140张OCT、6个诊断模型和4个评估模型。在560个图像诊断对中,Gemini-2.5-Flash与专家的一致性(ICC=0.897)与两位专家之间(ICC=0.806)相当。大规模评估中GPT-5.5得分最高,为6.3/8。
信息来源: PubMed Ophthalmology 发布于 2026年11月1日
要点速览
- 回顾性研究,用140张OCT(70张脉络膜新生血管膜、70张玻璃膜疣)测试6个诊断模型
- Gemini-2.5-Flash与专家评分的ICC为0.897,两位专家之间为0.806
- 两项单侧检验的等效性分析支持其与人工评分等效,平均差0.123分
- GPT-5.5得分最高6.3/8,GPT-5-mini为5.0,Gemini-2.5-Flash为4.9
本站解读
这是一项回顾性研究,核心问题不是“AI能不能诊断黄斑变性”,而是“能不能用AI给AI的诊断打分”。研究者让6个大语言模型看140张OCT图(70张脉络膜新生血管膜、70张玻璃膜疣)写出诊断,再由另一个模型按准确性、影像特征、鉴别诊断和清晰度四项标准打分。在560个图像诊断对上,Gemini-2.5-Flash与视网膜专家的一致性ICC为0.897,两位专家之间为0.806,平均差0.123分。
局限在于只有140张图,只涉及两种表现,评分的是诊断文字的质量,不是对真实患者诊断的准确性。摘要也没有说明图像来源。作为次要结果,GPT-5.5诊断得分最高,为6.3/8,GPT-5-mini为5.0。
我们的判断是,这项研究说明用模型批量评估模型输出是可行的,但它并没有回答这些模型能否用于临床诊断。国内情况有待确认。
常见问题
用AI看OCT,能代替医生判断黄斑变性吗?
这项研究不能说明这一点。研究测的是一个模型给其他模型的诊断文字打分,与专家评分的一致性较高,并不是让AI直接替代医生。得分最高的诊断模型为6.3/8。是否需要检查、如何解读应由医生判断,如有疑虑可咨询眼科医生。
这项研究和普通人有什么关系?
关系不大。它主要面向研究人员,讨论如何自动评价大语言模型写出的诊断文字质量,测试用的是140张OCT图像,并不直接评估对个人的诊断,也没有给出可供个人使用的结论。如有疑虑可咨询眼科医生。
延伸阅读
AI软件自动测量地图样萎缩面积:与人工勾画一致性高的探索研究
这项横断面探索研究用SS-OCT图像,评估一款AI软件对黄斑变性相关地图样萎缩面积的自动测量。纳入33名患者的33只眼和1只健康对照眼,每眼三次7×7毫米扫描,共165次测量。AI测量与四次人工勾画均值的一致性相关系数(CCC)为0.992;小病灶(<3.7平方毫米)较低,为0.903。观察者内重复性ICC为0.999。
新生血管性AMD负荷期:三种抗VEGF药物的OCT反应比较
这项多中心回顾性队列研究纳入224只未经治疗的新生血管性AMD眼,接受3次每月注射:贝伐珠单抗80只、阿柏西普2 mg 78只、法瑞西单抗66只。用AI分析OCT,第12周干燥黄斑比例分别为:法瑞西单抗80.3%、阿柏西普67.9%、贝伐珠单抗41.3%(P<0.001)。基线校正后各组视力改善无显著组间差异。探索性指标ΔCOMBO的AUC为0.959。
病例报告:血管旁胶质被误认为干性黄斑变性的玻璃膜疣
这篇病例报告描述了一名64岁健康男性,双眼视力均为20/20,因黄斑区病灶被怀疑是干性年龄相关性黄斑变性(AMD)的玻璃膜疣而转诊。眼底自发荧光未见异常,提示视网膜色素上皮和光感受器完整。SD-OCT显示椭圆体带正常、色素上皮完整,没有玻璃膜疣,但可见高反射的血管旁物质,与近红外反射成像所见吻合。作者认为这些病灶符合良性的血管旁胶质,可能来源于米勒细胞,并强调多模态影像有助于避免误诊为AMD。