无训练视觉-语义融合技术在罕见眼病诊断中的突破
摘要
先天性视乳头凹陷综合征（MGS）是一种罕见的先天性疾病，约50%的患者会出现视网膜脱离。广泛筛查有助于早期发现，但对医疗资源造成巨大负担。现有AI辅助诊断方法依赖大规模数据集进行特征学习，而MGS数据稀缺限制了模型优化。为此，研究提出了一种无需训练的方法TF-VSF，利用基础模型和MGS特异性病理结构生成低维、精炼的特征表示。具体而言，基于通道的视觉重校准模块引入SAM预训练知识生成粗分割掩码，再通过金字塔校准模块无参数地过滤高维语义结构。随后，基于语义的位置感知模块利用CLIP预训练知识生成边缘能量控制的隐式特征表示，并与CVR模块的精炼特征融合。最终通过独立成分分析特征降维和密度约束聚类实现分级结果。研究构建了1016张MGS眼底图像的数据集，TF-VSF在准确率和F1分数上分别达到95.87%和93.50%，超越了自监督、全训练及无训练方法。
信息来源： PubMed Ophthalmology 发布于 2026年3月19日
要点速览
- TF-VSF是一种无需训练的AI辅助诊断方法，适用于罕见病MGS的严重程度评估。
- 该方法利用基础模型和MGS特异性病理结构生成低维、精炼的特征表示。
- TF-VSF在准确率和F1分数上分别达到95.87%和93.50%，超越了现有方法。
本站解读
在全球范围内，AI辅助诊断技术正逐步成为眼科疾病筛查的重要工具。然而，对于罕见病如MGS，数据稀缺一直是制约其发展的瓶颈。TF-VSF作为一种无需训练的新框架，通过结合预训练的基础模型和特定病理结构，实现了高效且精准的诊断分级。这一技术在全球范围内的领先地位，意味着中国患者有望在未来几年内受益于这项创新技术。预计在中国，该技术的实际可用时间将取决于国家药品监督管理局的审批进度，考虑到其显著的临床价值和较高的准确性，审批过程可能会相对顺利。
在国内，现有的替代方案多依赖于大规模数据集，这在MGS等罕见病中难以实现。相比之下，TF-VSF通过无训练的方式解决了这一难题，显示出明显的代差优势。长远来看，这种技术不仅能够提升中国眼科医生的诊断效率，还能推动国内眼科产业链的发展，特别是在罕见病领域的技术创新和数据积累方面。
常见问题
这个新技术对我有什么好处？
这项新技术可以更准确地评估MGS的严重程度，有助于早期发现和治疗，提高治疗效果。如有疑虑可咨询眼科医生。
这项技术什么时候能在中国使用？
具体时间取决于国家药品监督管理局的审批进度，但鉴于其显著的临床价值，预计审批过程会相对顺利。
延伸阅读
法国建成国家级罕见眼病数据仓库
法国启动FREDD项目，构建全国性、可互操作的罕见眼病数据仓库，由INSERM主导，采用三层集中架构，整合临床数据与眼科影像。2024年4月获监管批准，2025年3月在5家中心启动采集，首年纳入1649例视网膜色素变性患者（占全国登记病例20.3%），收集超1万张眼科图像。项目验证了在强监管环境下建设专科化多模态数据库的可行性，但长期可持续性依赖成本回收机制。
鸟枪脉络膜视网膜炎宽视野眼底图像数据集发布
研究团队发布了名为Birdshot-Wide的公开眼底影像数据集，包含742只鸟枪脉络膜视网膜炎（BSCR）患眼的5042张宽视野眼底照和742只健康对照眼的1310张图像，所有BSCR图像均经人工质量审核并按主要病变亚型分类，中位随访达4.31年；基于该数据集训练的深度学习模型在区分BSCR与正常眼任务中AUC最高达0.96。
多模态多任务AI模型优化角膜塑形镜适配
本研究开发了一种多模态多任务人工智能（AI）模型，旨在通过分析角膜地形图模式和预测眼轴长度（AL）增长，同时输出最佳的角膜塑形镜（Ortho-K）参数及预测的眼轴增长概率，以支持临床决策。该模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率以及推荐镜片参数方面表现优异，为Ortho-K镜片的适配提供了有价值的决策支持。