玻璃体炎症评估：从主观判断到定量检测
摘要
该综述指出，传统依靠医生肉眼观察玻璃体混浊程度和细胞浸润的主观分级法，存在不同医生判断差异大、重复性差的问题，尤其难以识别轻度或亚临床炎症。近年超广角成像、光学相干断层扫描（OCT）和超声技术逐步应用于玻璃体炎症评估，结合人工智能自动分析玻璃体高反射灶和信号强度等指标，提升了客观性和量化能力。但现有技术仍受限于视野范围窄、缺乏统一分割算法、无法覆盖整个玻璃体腔，尚无一种方法能全面、可重复地评估玻璃体炎症。
信息来源： PubMed Ophthalmology 发布于 2026年6月17日
要点速览
- 传统玻璃体炎症评估依赖主观临床分级，存在明显观察者间差异和低重复性，尤其对轻度或亚临床炎症识别能力不足。
- 超广角成像、OCT和超声技术正被用于量化玻璃体炎症，AI方法可识别玻璃体高反射灶及信号强度等生物标志物。
- 现有技术仍受限于视野范围窄、缺乏标准化分割算法、无法完整表征整个玻璃体腔，尚无一种方法实现全面可重复评估。
本站解读
这项综述的核心结论很实在：目前临床上对玻璃体炎症的判断，还主要靠医生‘看一眼打个分’，而这种主观方式在轻症时几乎不可靠——这直接解释了为什么有些患者明明有炎症进展，却迟迟得不到干预。研究本身是系统性回顾，不涉及新数据采集，因此没有样本量或P值这类指标，但其价值在于梳理了真实存在的技术瓶颈：比如超广角成像‘视野受限’、OCT缺乏‘标准化分割算法’、所有影像手段都‘无法覆盖整个玻璃体腔’。这些不是小问题，而是阻碍精准管理的关键堵点。
短期内它不会改变临床做法——因为文中明确说‘尚无单一模态能提供全面且完全可重复的评估’。真正可能落地的方向是多模态融合+AI分析，但这需要软硬件协同开发和临床验证，至少还需3–5年才可能进入常规流程。国内情况有待确认。
普通人无需因此调整日常行为，也不必担心现有检查‘不准’而反复跑医院；如有视力模糊、飞蚊增多等疑虑，可咨询眼科医生。
常见问题
现在查眼睛发炎是不是靠医生‘凭经验’看？
是的，目前多数临床仍使用基于玻璃体浑浊和细胞数量的主观分级标准，不同医生打分可能差别很大，尤其对轻微炎症容易漏判。虽然OCT、超广角成像等新技术已在探索更客观的测量方式，但尚未形成统一标准，也未替代传统评估。如有视力变化或不适，可咨询眼科医生。
AI能帮医生更准地看出眼睛里有没有炎症吗？
AI辅助分析已在研究中用于识别玻璃体高反射灶和信号强度等指标，提升了检测敏感性和量化能力。但这些方法仍处于探索阶段，受限于图像覆盖范围和算法标准化不足，尚未成为临床常规工具。它不是替代医生，而是未来可能帮助医生减少主观偏差。
延伸阅读
扩散模型辅助RP患者OCT图像EZ区自动分割
研究团队开发了DPUN和DPUN-CAP两种算法，用于自动分割视网膜色素变性（RP）患者的光学相干断层扫描（OCT）图像中的椭圆体带（EZ）区域。方法在一项纳入60名参与者的国际III期临床试验（NCT05537220）基线OCT数据上验证，DPUN-CAP结合中心扫描人工标注后性能最优，其EZ面积测量结果与人工测量一致，适用于以EZ面积为关键终点的临床试验及疾病进展监测。
眼结核作为唯一结核表现的诊疗困境
本文综述了当眼部炎症是结核唯一表现时的诊断与治疗策略，强调需结合眼底表型（如类蛇样脉络膜炎、闭塞性视网膜血管炎）、流行病学风险、干扰素-γ释放试验（IGRA）结果及排除相似疾病进行综合判断。研究指出IGRA阳性不能证实眼内结核因果关系，阴性也不能完全排除；共识指南和随机证据支持在特定高风险表型患者中启用抗结核治疗，但治疗阈值因表型和临床背景而异。
多模态图注意力网络加速葡萄膜炎药物筛选
葡萄膜炎是一种复杂的免疫介导性眼内炎症疾病，其药物发现面临巨大挑战。为解决现有模型在整合异质分子特征和疾病特异性机制方面的不足，研究团队提出了一种基于GATv2的新型多模态图注意力网络MLGT。该模型通过动态注意力机制捕捉非局部原子相互作用，并结合双流融合模块将图嵌入与分子描述符相结合。为了缓解数据不平衡和过拟合问题，研究采用了标签平滑、类别平衡采样和SMILES随机化等方法。在ChEMBL数据库中严格筛选的葡萄膜炎相关化合物数据集上，MLGT表现出色，准确率达到97.7%，F1分数为97.2%，召回率为96.1%，AUC-ROC为0.9156，显著优于现有的图学习和经典机器学习基准。消融研究表明，多模态融合和注意力机制在模型性能中起着关键作用。这项研究提供了一种高效的计算工具，用于靶向葡萄膜炎药物筛选，并为复杂疾病的精准药物发现建立了可扩展的AI驱动范式。