鸟枪脉络膜视网膜炎宽视野眼底图像数据集发布
摘要
研究团队发布了名为Birdshot-Wide的公开眼底影像数据集，包含742只鸟枪脉络膜视网膜炎（BSCR）患眼的5042张宽视野眼底照和742只健康对照眼的1310张图像，所有BSCR图像均经人工质量审核并按主要病变亚型分类，中位随访达4.31年；基于该数据集训练的深度学习模型在区分BSCR与正常眼任务中AUC最高达0.96。
信息来源： PubMed Ophthalmology 发布于 2026年6月6日
要点速览
- Birdshot-Wide数据集含742只BSCR患眼的5042张宽视野眼底照及742只健康对照眼的1310张图像。
- BSCR图像全部经人工质量审核，并按主导病变亚型分类，中位随访时间为4.31年。
- 基于该数据集训练的深度学习模型在BSCR/对照分类任务中AUC最高达0.96。
本站解读
这背后是眼科AI研发正从‘通用泛化’转向‘罕见病精耕’的底层趋势——当糖尿病视网膜病变等大病种数据日趋饱和，科研资源开始向样本稀缺但临床需求刚性的罕见眼病倾斜。Birdshot-Wide以5042张标注图像、4.31年中位随访时长和亚型分级标准，直接抬高了BSCR算法开发的准入门槛，利好具备真实世界数据沉淀和纵向随访能力的国际学术中心与AI医疗公司，而缺乏高质量标注能力的中小技术团队将更难切入。
对中国市场而言，目前尚无公开的BSCR中文多中心影像库，国内三甲医院虽有零星病例积累，但分散在各自PACS系统中，未形成结构化共享机制；这意味着中国AI企业若想开发同类工具，短期内只能依赖Birdshot-Wide做迁移学习，但其人群基线（欧美为主）、设备型号、拍摄协议与中国临床实际存在偏差，模型落地需额外验证。预计未来2-3年，国内将出现首个由眼科专科联盟牵头的BSCR影像协作项目。
后续需重点关注两个信号：一是该数据集是否被纳入国际Uveitis AI Benchmark测试集；二是国内是否有团队在2025年内启动基于Birdshot-Wide微调的首个中文BSCR辅助判读多中心验证研究。
常见问题
这个新发布的图片数据库，能帮中国患者早点确诊鸟枪脉络膜视网膜炎吗？
短期内还不能直接用于中国患者的临床诊断。该数据集来自欧美人群，图像采集设备、操作规范和病变表现与中国患者存在差异；国内尚未建立匹配的本地化验证体系。如有疑似症状，建议前往具有葡萄膜炎专病门诊的三甲医院就诊，目前确诊仍依赖医生综合眼底检查、荧光造影和HLA-A29检测。
AI看图就能识别鸟枪脉络膜视网膜炎，是不是以后不用医生看了？
不是。AI模型只是辅助工具，不能替代医生判断。Birdshot-Wide训练出的模型AUC达0.96，说明它在区分典型BSCR与健康眼方面表现良好，但真实临床中常需鉴别其他类型葡萄膜炎或合并症，且中国患者病变表现可能不同。如有疑虑可咨询眼科医生。
延伸阅读
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。
大语言模型生成高度近视考题能力评估
研究对比了ChatGPT-5.4、Gemini 3、DeepSeek、Kimi K2.5和Doubao五款公开大模型在高度近视领域生成单选题（MCQ）的能力。每模型完成60道题，共300题，覆盖基础理论、临床案例、诊疗决策及筛查随访四类内容。所有模型结构合格率均为100%，但关键答案准确率从95.0%（Kimi K2.5、Doubao）到100.0%（ChatGPT-5.4、Gemini 3）不等。专家评审发现各模型在干扰项质量与事实准确性上存在显著差异，需人工审核方可用于教学。
视网膜血管AI量化分析预测心血管风险
研究团队利用AI工具AutoMorph，从8467名40-70岁健康受试者的眼底照片中提取12项视网膜血管定量指标，涵盖动脉和静脉的密度、宽度、分形维数及迂曲度等。外部验证使用UK Biobank的16249例影像。结果发现动脉指标与血压、血脂、血糖、BMI及睡眠呼吸暂停参数显著相关，且能预测新发心血管事件。研究首次建立年龄与性别分层的视网膜血管参考值体系。