人机协同提升术中OCT胶质瘤识别准确率
摘要
研究评估了‘人在环路’（HITL）模式在术中光学相干断层扫描（OCT）胶质瘤成像中的应用效果。团队回顾性分析27名患者的86例术中OCT扫描，对比结构图像、物理参数图和SVM分割图三种处理方式，并引入神经外科医生参与判断。结果显示，HITL结合分割图使诊断准确率达94%，敏感性达98%，阅片者一致性高达0.98，显著优于纯模型推理（如SVM和Gemini 3.1 Pro）。
信息来源： PubMed Ophthalmology 发布于 2026年5月20日
要点速览
- HITL模式下诊断准确率达94%（95% CI: 88–98%），敏感性98%（95% CI: 92–100%），阅片者一致性达0.98
- 研究采用SVM生成分割图，并由五位神经外科医生进行盲法评估，对比结构图、参数图及模型独立推理结果
- 所有术中OCT脑扫描数据已公开，为全球首个同类开放数据集
本站解读
这项研究发现，让神经外科医生在AI输出的肿瘤分割图基础上做最终判断，比单纯依赖AI模型或传统图像更准、更一致——准确率94%，敏感性98%，阅片者共识接近满分（0.98）。这说明‘人机分工’不是简单叠加，而是医生用临床经验过滤掉AI的误报：研究明确指出，医生修正了69%（9/13）的模型假阳性结果。
研究样本量偏小（27例患者、86张扫描），属单中心回顾性分析，虽设计严谨（盲法、多级对照、置信区间完整），但离临床常规应用还有距离。它验证的是‘可行’与‘增益来源’，而非‘即刻推广’。真正落地需嵌入手术导航系统、通过前瞻性多中心试验验证，并解决实时性与操作流整合问题。
普通人无需因此改变任何行为——该技术面向神经外科手术场景，不涉及日常眼科检查或慢性眼病管理。国内情况有待确认。
常见问题
这个AI看眼睛的检查能帮我早点发现脑瘤吗？
不能。这项技术专用于神经外科开颅手术中实时识别脑胶质瘤，使用的是术中OCT设备，不是普通眼科检查。它不用于筛查或诊断脑瘤，也不适用于门诊或体检场景。如有疑虑可咨询眼科医生。
以后做脑瘤手术会更准更安全吗？
研究显示，医生结合AI分割图判断，比单靠AI或传统图像更准、更一致，尤其能减少假阳性误判。这提示人机协同有望提升术中决策质量，但目前仍处于验证阶段，尚未成为标准手术流程。
延伸阅读
轻量级AI模型可实现高血压视网膜病变床旁分级
研究团队开发了可在边缘设备（如便携式终端）运行的轻量级深度学习模型MobileViT-XXS，用于从en-face OCT图像对高血压视网膜病变（HR）进行患者级四分级评估。基于221名患者的478张OCT图像，在严格患者级划分的五折交叉验证下，该模型准确率达84.4%，ROC-AUC为0.944，kappa值0.916；对需转诊的HR（≥2级）识别准确率达95.6%，敏感度95.2%。模型仅占3.83 MB内存，推理速度达96帧/秒。
AI分析显示DME患者外层视网膜结构损伤模式不同
研究利用AI辅助OCT技术，对1688名糖尿病性黄斑水肿（DME）患者的2355只眼进行横断面分析，量化了外界膜（ELM）和椭圆体带（EZ）中断比例及与积液、炎症灶、视力的关系。结果显示：21.9%的眼睛存在ELM中断，37.6%存在EZ中断；EZ中断更常见，且与炎症性高反射灶增多相关；ELM中断则与视力下降和浆液性视网膜下液负担关联最强。
眼底OCT纵向分割数据集发布
研究团队构建了一个针对特发性全层黄斑裂孔手术患者的纵向OCT影像数据集，包含2591张黄斑中心水平和垂直B扫描图像，覆盖术前及术后2周至48个月共7个时间点。所有图像均配有专家标注的12种视网膜结构的像素级分割掩膜，涵盖病理性与解剖学特征，并通过Dice系数（>0.80）验证了标注可靠性。数据集还附带nnUNet基准模型，供AI方法开发与比较。