深度学习模型可准确区分脉络膜萎缩与相似眼病
摘要
研究开发并验证了三种深度学习模型，用于基于黄斑OCT容积图像区分脉络膜萎缩（CHM）、USH2A相关杆锥细胞营养不良及健康对照。数据来自262名参与者共535个OCT容积（Heidelberg Spectralis设备采集），其中80个容积进入独立测试集。结果显示，模型在测试集上体积级准确率和加权F1分数均优于两名不知情的眼科医生，且简单切片聚合与复杂混合架构性能相近。
信息来源： PubMed Ophthalmology 发布于 2026年10月1日
要点速览
- 研究基于262名参与者535个黄斑OCT容积，构建模型区分脉络膜萎缩、USH2A相关杆锥细胞营养不良和健康对照。
- 比较了三种架构：切片级ResNet-50+多数投票、带学习权重的专家混合模型（MoE）、CNN-Transformer混合模型。
- 在80个独立测试容积上，模型体积级准确率和加权F1分数均高于两名盲法评估的眼科医生。
本站解读
这项研究证实，仅靠黄斑OCT容积图像，深度学习模型就能比专业医生更准地分辨脉络膜萎缩、USH2A相关视网膜病变和正常眼睛——在80个测试容积上做到了这一点。样本量中等（262人，535个OCT容积），但采用患者级划分和外部验证设计，降低了过拟合风险，结论相对稳健。不过，所有数据来自单一设备（Heidelberg Spectralis）和单中心回顾性收集，未覆盖不同机型、扫描参数或真实门诊混杂人群，离临床落地还有距离。
短期内不会改变诊断流程：模型尚未接入医院PACS系统，也未通过监管审批；它目前只是‘OCT图像识别工具’，不能替代基因检测或临床评估。普通人无需因此改变用眼习惯或检查频率；如有视力变化或家族史，如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
这个AI能直接帮我确诊是不是脉络膜萎缩吗？
不能。该模型仅在研究中用于分析OCT图像，未获医疗器械认证，也不能替代基因检测或临床综合判断。它目前只在特定设备采集的图像上验证过，实际诊疗仍需由眼科医生结合病史、检查和遗传结果综合评估。如有疑虑可咨询眼科医生。
以后查眼底还要做基因检测吗？
仍然需要。这项研究只用了OCT图像，而脉络膜萎缩的确诊金标准是CHM基因突变检测。AI模型无法替代基因检测，也不能判断疾病进展速度或指导治疗选择。OCT图像分析只是辅助手段，最终诊断和管理方案必须由医生综合多种信息制定。
延伸阅读
深度学习辅助OCT评估低强度激光治疗对伤口刚度的影响
该研究利用660 nm低强度激光治疗（LLLT）作用于伤口部位，结合光学相干断层扫描（OCT）与气流压痕系统，非接触式测量皮肤刚度变化。研究采用U-Net模型自动分割OCT图像，分割准确率达92%，从而实现分层定量分析。结果显示，LLLT治疗后皮肤刚度显著降低，提示其可急性调节伤口组织的生物力学环境。
视网膜伪小疣和 drusen 体积预测晚期AMD进展
研究团队用深度学习算法自动分割并量化OCT图像中的视网膜伪小疣（RPD）和各类drusen体积，纳入51只眼（平均年龄74.9岁），随访约24个月。结果显示，基线RPD体积每增加0.01 mm³，进展为晚期年龄相关性黄斑变性（AMD）的风险升高8.2%；总drusen体积每增加0.01 mm³，风险升高8.0%。大型drusen和drusen样色素上皮脱离（PED）体积也独立关联进展风险。
深度学习辅助内窥OCT引导肉瘤活检
该研究针对未分化多形性肉瘤和黏液纤维肉瘤，利用前向式内窥光学相干断层扫描（OCT）结合深度学习模型，在手臂和腿部离体组织样本上进行正常与肿瘤组织分类。研究对比了5种2D模型和1种自定义3D卷积神经网络（CNN），在强度OCT通道中，3D CNN达到92.67%的最高准确率；偏振敏感OCT（PS-OCT）通道则更受益于现代2D架构与3D建模，光学轴方向性能提升达9.63%。结果证实内窥OCT可作为活检中实时、无标记的组织表征工具。