眼科人工智能研究系统综述
摘要
这项系统综述纳入2015年1月1日至2026年8月10日发表的270项研究，覆盖糖尿病视网膜病变（82项）、青光眼（46项）、年龄相关性黄斑变性（29项）等疾病。主要技术为卷积神经网络（136项），130项研究完成外部验证，其中95项含临床或真实世界验证，仅49项设有严格临床对照，90项使用可解释性方法。研究指出AI已延伸至预后预测与临床决策支持，但临床转化受限于验证不充分、结局指标不统一及安全性与工作流影响评估不足。
信息来源： PubMed Ophthalmology 发布于 2026年10月14日
要点速览
- 共纳入270项研究，糖尿病视网膜病变相关研究最多（82项），青光眼46项，AMD/黄斑病29项
- 卷积神经网络是主流方法（136项），90项研究使用可解释性技术，130项完成外部验证
- 仅49项研究设有严格直接临床对照，多数研究未评估安全性、工作流影响或患者结局
本站解读
这项综述表明，眼科AI不再只是‘看图识病’，而是正尝试介入预后判断、治疗反应预测甚至医生决策辅助——比如已有95项研究在真实临床场景中做过外部验证，说明部分模型已走出实验室。但270项研究里仅有49项设置了直接临床对照（如与医生诊断直接比对），暴露了‘技术表现好’不等于‘临床用得上’的核心断层。
当前AI工具离常规临床应用仍有距离：缺乏对患者结局、误诊风险、门诊流程干扰等关键问题的评估，且验光师参与极少（仅3项研究明确提及），提示落地时可能面临角色协同难题。短期内不会替代医生，更可能作为筛查初筛或分诊辅助工具。
国内情况有待确认。
常见问题
AI能代替眼科医生看片子吗？
不能代替。研究显示，仅49项AI研究设置了与医生诊断的直接对照，多数模型尚未在真实诊疗流程中验证其安全性、误判后果或对患者结局的影响。AI目前更适合作为辅助筛查或分诊工具，最终判断仍需医生综合评估。如有疑虑可咨询眼科医生。
孩子的眼睛也能用AI检查吗？
相关证据有限。270项研究中仅30项涉及儿童或儿科适用场景，且未说明具体年龄范围或设备适配性。这意味着AI在儿童眼病中的可靠性、图像采集难度（如配合度低）和临床路径适配性都缺乏充分验证。如有疑虑可咨询眼科医生。
延伸阅读
眼科AI研究十年趋势分析
研究团队对2015–2025年Web of Science、Scopus和PubMed中12,911篇眼科AI原创论文开展系统性文献计量分析。发现年发文量以39.7%的复合年增长率飙升，从2015年108篇增至2025年3061篇；研究类型以开发类为主（88.3%），评估类仅占7.4%且2019年才起步；糖尿病视网膜病变（32.9%）、青光眼（17.5%）和年龄相关性黄斑变性（12.6%）是三大焦点疾病；图像模态占84.1%，文本模态自2022年起持续上升。
眼科AI需扎根临床解释而非困于电子病历
本文是一篇批判性叙事综述，指出当前眼科人工智能多依赖电子健康档案（EHR），反而加重医生文书负担和职业倦怠；而真正有潜力的AI应深入临床解释层面，如定位病灶、量化变化、生成可审计的‘发现-位置-变化’三元组；文章提出三层架构框架：全球标准化客观观察、本地化政策与流程适配、医生主导并设安全闸门的AI操作；该框架基于已有证据推导，尚未经过前瞻性验证。
人工智能在白内障诊疗中的应用现状与展望
该综述梳理了2021年以来人工智能在白内障全流程管理中的进展：在诊断与筛查中，AI模型对裂隙灯图像的自动识别和分级达到专家水平，荟萃分析显示AUC值接近0.99；在人工晶状体度数计算中，AI公式比传统公式更准，尤其适用于高度近视患者；术中可识别手术阶段并追踪器械；术后多模态AI模型能更好预测视力恢复和并发症。研究指出数据泛化性、算法可解释性及临床转化仍是主要挑战。