人工智能在视网膜疾病临床决策中的应用:一篇叙述性综述
摘要
这篇叙述性综述梳理了人工智能在视网膜影像中的应用,聚焦四类临床场景:糖尿病视网膜病变筛查与转诊,糖尿病黄斑水肿的治疗评估,新生血管性年龄相关性黄斑变性的再治疗与长期监测,以及遗传性视网膜疾病的诊断、进展建模和试验入组筛选。作者称,证据最充分的是糖尿病视网膜病变筛查,已有前瞻性和真实世界验证;治疗相关应用和遗传性视网膜疾病的多模态应用,验证仍不一致。作者强调模型表现与临床价值之间有差距。
信息来源: PubMed Ophthalmology 发布于 2026年9月29日
要点速览
- 综述聚焦糖尿病视网膜病变筛查、糖尿病黄斑水肿、新生血管性黄斑变性和遗传性视网膜疾病四个场景
- 作者称证据最强的是糖尿病视网膜病变筛查,有前瞻性和真实世界验证
- 治疗相关应用和遗传性视网膜疾病的多模态应用验证仍不一致
- 作者提出的路线强调外部验证、校准、不确定性处理、流程整合和前瞻性评估
本站解读
这是一篇叙述性综述,不是新的临床研究。它按“临床决策点”组织证据,覆盖四个场景:糖尿病视网膜病变筛查、糖尿病黄斑水肿、新生血管性年龄相关性黄斑变性和遗传性视网膜疾病。核心结论是证据强弱不均:糖尿病视网膜病变筛查有前瞻性和真实世界验证,另外几类应用的验证还不一致。
摘要没有说明文献怎么检索、纳入了多少项研究,也没有给出具体的模型性能数字,所以只能看作者对现状的归纳。作者自己指出了模型表现与临床价值之间的差距,并把外部验证、校准、不确定性处理、流程整合和前瞻性评估列为必要条件。
我们的判断是,这篇综述的价值在于给出一张“哪些应用证据足、哪些还不足”的地图:筛查类应用走在前面,治疗决策类工具还需要前瞻性评估来证明价值。
常见问题
AI能帮忙筛查眼底病吗?
在糖尿病视网膜病变筛查上证据最充分。综述称这方面已有前瞻性和真实世界验证。糖尿病黄斑水肿、新生血管性黄斑变性的治疗相关应用,以及遗传性视网膜疾病的诊断和预测应用,验证还不一致。综述讲的是研究证据,不等于每家医院都在使用。如有疑虑可咨询眼科医生。
AI会替医生决定我的治疗方案吗?
综述没有这样的结论。它指出治疗相关应用的验证仍不一致,并强调模型表现与临床价值之间存在差距。作者提出的路线包括外部验证、前瞻性评估和可追责的部署。具体的治疗决定仍需要医生结合病情判断,如有疑虑可咨询眼科医生。
延伸阅读
人工智能能否助力视网膜细胞治疗:一篇综述的梳理与提醒
这是一篇综述,讨论人工智能在视网膜细胞治疗流程中的作用,涉及疾病诊断与患者选择、干细胞质量控制、CRISPR脱靶检测、视网膜类器官表征、规模化制造和移植后多模态影像监测。作者区分了直接证据与相邻领域、概念性证据,并提出一个需要未来临床验证的端到端框架。作者认为AI有潜力成为支撑性基础设施,但其必要性尚未被证明。
眼科AI从诊断准确率到临床应用:一篇综述的观点
这篇综述指出,眼科人工智能的一个持续难题是,擅长图像分类的系统很少带来患者结局的改善。作者认为主要障碍包括数据偏倚、域偏移和标签噪声,缺少前瞻性随机部署试验,也常忽视以患者为中心的目标、成本效益和公平性。解决需要严格的外部验证、明确的决策标准和真实临床中的持续监测。
人工智能在神经眼科影像中的应用:叙述性综述
这是一篇叙述性综述,梳理已发表研究中人工智能在部分神经眼科疾病里的应用,重点讨论筛查、诊断和病情进展评估中的优点、局限与挑战。作者认为,深度学习和卷积神经网络在解读眼底照相、光学相干断层扫描(OCT)和磁共振成像方面显示出潜力,可用于视神经乳头异常的筛查、特征描述和监测,但多数应用仍处于研究、回顾性验证或概念验证阶段。