人工智能在白内障诊疗中的应用现状与展望
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年9月30日
要点速览
- AI模型在裂隙灯图像识别中AUC值接近0.99，达到专家级诊断与分级水平
- AI驱动的人工晶状体度数计算公式在高度近视等复杂病例中准确性优于传统公式
- 术中AI系统可高精度识别手术阶段并追踪器械，支持培训与质控；术后多模态AI提升视觉预后与并发症预测能力
本站解读
这项综述表明，AI已不是概念玩具，而是在白内障多个关键环节展现出扎实能力——比如裂隙灯图像识别的AUC值接近0.99，意味着误判率极低；AI辅助IOL计算在高度近视等复杂病例中明显胜出，这直接关系到术后视力质量。但这类成果多来自单中心回顾性研究或小规模验证，缺乏大规模前瞻性随机对照试验证据，离常规进手术室还有距离。
短期内AI不会替代医生，而是作为‘高精度助手’嵌入现有流程：比如帮基层医生初筛、为术者实时提示操作阶段、或帮医生预判某位患者的术后恢复风险。真正改变临床做法，还需通过真实世界验证、监管审批和系统整合。国内情况有待确认。
普通人无需因此改变日常习惯，也不必主动寻找AI筛查服务——目前所有AI工具都未脱离医生主导框架。如有疑虑可咨询眼科医生，而非自行解读AI报告。
常见问题
AI能自己给我做白内障手术吗？
不能。目前AI仅用于辅助环节，如图像分析、度数计算或术中阶段识别，所有手术仍由医生全程操作。它不控制器械、不作最终决策，也不能替代医生的临床判断和手眼协调能力。如有疑虑可咨询眼科医生。
用AI查白内障是不是更准、更快？
在研究条件下，AI对裂隙灯图像的识别AUC值接近0.99，说明准确率极高；部分AI筛查工具也已集成到便携设备中，理论上可提升基层初筛效率。但这些工具尚未成为标准流程，实际使用仍需医生复核结果。
延伸阅读
白内障晶状体状态显著影响眼底照片估算的视网膜年龄
日本山梨大学医院一项回顾性研究分析了283只青光眼患者眼睛的眼底彩照，用深度学习算法估算视网膜年龄，并计算其与实际年龄之差（RAG）。结果显示平均RAG为-5.7±19.1年；晶状体完整（phakic）的眼睛RAG值显著高于已摘除晶状体并植入人工晶体（pseudophakic）的眼睛；视力越差、远视度数越高，RAG值也越大；而青光眼整体严重程度和视野缺损程度（MD）未显示显著关联。
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。
构建细粒度白内障严重程度评估眼底图像数据集
研究团队构建了首个含187例眼底图像的白内障严重程度与诊断图像数据集（CSDI），每例均配专业临床诊断报告。针对现有深度学习方法仅能做二分类的局限，该研究提出基于多模态大语言模型（MLLM）的诊断框架，可实现细粒度严重程度评分并生成专业诊断文本。这是首次将MLLM技术用于定量、分级白内障诊断。