首个微创青光眼手术精细标注视频数据集发布
摘要
研究团队构建了全球首个针对微创青光眼手术（MIGS）的多中心、大规模、精细标注手术视频数据集，包含数百万帧影像，对术中器械与解剖结构进行双重标注。标注分为两个任务：一是识别手术不同阶段（阶段识别），二是对器械和解剖细节进行语义分割。该数据集旨在为计算机视觉模型训练提供基础资源，推动更精准、安全的计算机辅助青光眼手术发展。
信息来源： PubMed Ophthalmology 发布于 2026年6月2日
要点速览
- 研究发布了全球首个针对微创青光眼手术（MIGS）的多中心、大规模、精细标注手术视频数据集。
- 数据集包含数百万帧影像，对术中器械和解剖结构同步开展阶段识别与语义分割两类标注。
- 该数据集旨在为训练计算机视觉模型提供基础资源，以支持未来计算机辅助青光眼手术系统的开发。
本站解读
这项研究的核心成果是发布了首个专用于微创青光眼手术（MIGS）的多中心、精细标注视频数据集，含‘数百万帧’影像，并明确划分为阶段识别与语义分割两大任务——这是目前公开文献中唯一覆盖MIGS全流程且同时标注器械与解剖结构的数据集，填补了关键空白。
研究本身不涉及临床试验或患者结局分析，而是基础性数据资源建设，因此不评估疗效或安全性；其‘多中心’属性提升了数据泛化潜力，但未说明具体中心数量、地域分布或标注者资质，对标注一致性缺乏方法学验证，属于强实用导向、弱证据等级的支撑型工作。
短期内不会改变临床操作：外科医生仍需凭经验完成手术，该数据集的价值在于赋能后续AI导航系统开发，而此类系统从算法验证、临床测试到获批应用，通常需5年以上周期；国内情况有待确认。
普通人无需因此调整任何行为——这是一项面向工程师与手术系统开发商的技术基建，不涉及新疗法、新药物或患者自查方式，如有疑虑可咨询眼科医生。
常见问题
这个新发布的手术视频数据集，能让我做青光眼手术更安全吗？
不能立即提升您的手术安全性。该数据集是供研究人员训练AI辅助系统的‘教材’，并非已投入使用的手术工具。它不直接用于临床，也不改变当前医生的操作方式。真正的AI导航系统还需多年研发、验证和监管审批。如有疑虑可咨询眼科医生。
听说这是‘首个’多中心MIGS视频数据集，到底有多大规模？
原文明确指出该数据集包含‘数百万帧’手术视频影像，并完成对器械与解剖结构的双重精细标注。这是目前国际上首个同时满足多中心、大规模、细粒度标注三个条件的MIGS专用数据集，此前同类资源均未达到这一整合水平。
延伸阅读
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。
AI眼病诊断研究临床转化率低
这项系统综述分析了2020年至2025年8月间发表的43篇基于眼底照和OCT图像的深度学习眼病诊断研究，发现虽有超95%的模型宣称高准确率，但仅14.3%完成真正临床验证，23.1%未公开代码或实现细节。研究提出‘转化准备度框架’，整合技术透明度、验证严谨性与性能报告，为眼科AI落地提供评估标准。
AI眼底诊断为何难进诊室？系统综述揭示三大落地障碍
该系统综述分析了2018至2025年间34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等眼病诊断中准确率常超90%，表现媲美甚至优于专家医生。但临床实际应用仍受限，主要存在三方面缺口：AI工具难以嵌入现有诊疗流程、决策过程缺乏透明度、在不同人群中的泛化能力差。