基于网页的智能眼科影像教学平台设计与应用
摘要
研究团队开发了一个支持眼底照相和OCT图像分析的模块化网页教学平台，涵盖图像预处理、模型训练、性能评估及AI辅助解读指导。通过问卷调查评估，该平台中位系统可用性量表（SUS）得分为80.0，显著高于68的基准值，证实其具有高可用性与明确的教学成效。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 该平台支持眼底照相和OCT图像的全流程AI分析教学，包括预处理、模型训练、性能评估和AI辅助解读。
- 平台采用模块化网页设计，实现临床图像认知与AI驱动分析的整合教学。
- 问卷调查显示中位系统可用性量表（SUS）得分为80.0，显著高于68的基准值。
本站解读
这背后反映的是眼科教育正从经验驱动转向‘临床+算法’双能力驱动的底层趋势——医生不仅要读懂图像，还要理解AI如何得出结论。平台将fundus和OCT全流程嵌入教学，意味着未来5年，掌握AI工作流将成为年轻眼科医师的隐性准入门槛。
国际上已布局AI教学工具的学术机构和教育科技公司会明显受益；而仍依赖传统幻灯片授课、缺乏技术整合能力的地方医学院校和基层培训中心将承压。中国已有多个省级眼科住培基地在试点类似平台，但多数停留在单点AI演示，尚未形成如本研究所示的端到端闭环教学流程。
后续需重点关注两个信号：一是国内是否出现对标该平台的国产教学系统上线，二是2025年内是否有三甲医院将其纳入规培考核指标。中位SUS得分80.0说明可用性达标，但能否真正提升诊断一致性，还需在中国真实教学场景中验证。
常见问题
这个AI教学平台能帮我看病吗？
不能直接帮您看病，它只是教医生怎么用AI看图的工具。目前中国部分三甲医院眼科已在试用类似教学系统，但尚未进入门诊诊疗流程。如有疑虑可咨询眼科医生。
学这个平台对医生有什么实际好处？
能帮助医生系统掌握AI如何分析眼底和OCT图像，提升对AI结果的理解力和判断力。中国近年住院医师规范化培训已开始加入AI辅助诊断内容，掌握这类能力可能影响未来考核与晋升。
延伸阅读
网页屈光自测工具 Apollo 临床验证公布
本研究评估了新型网页屈光自测工具 Apollo 的临床效果。研究纳入 64 名健康成人，对比了该工具与医生主觉验光的球镜等效值。结果显示两者无显著差异，近视亚组分类准确率高达 96.2%。但系统存在比例偏差，随近视度数增加倾向于低估误差。结论认为该工具在近视人群中具有中等至良好的可靠性，适合作为数字筛查手段，但仍需大规模研究优化算法。
AI量化OCT层衰减揭示地理萎缩结构功能关系
研究基于两项III期临床试验（Chroma和Spectri）共1519例地理萎缩（GA）患者数据，利用AI自动分割OCT图像，计算ELM、EZ和RPE层的衰减面积，并与BCVA、低亮度视力（LLVA）、阅读速度及微视野检查结果关联。结果显示：中央1mm区ELM损失面积与BCVA显著相关（r=-0.46），而LLVA更关联3mm环形区EZ损失；微视野中暗点数量与ELM/EZ总损失高度相关（r=0.67）。研究证实GA中解剖损伤位置决定功能缺损模式。
法国建成国家级罕见眼病数据仓库
法国启动FREDD项目，构建全国性、可互操作的罕见眼病数据仓库，由INSERM主导，采用三层集中架构，整合临床数据与眼科影像。2024年4月获监管批准，2025年3月在5家中心启动采集，首年纳入1649例视网膜色素变性患者（占全国登记病例20.3%），收集超1万张眼科图像。项目验证了在强监管环境下建设专科化多模态数据库的可行性，但长期可持续性依赖成本回收机制。