跳转到主要内容

学术研究

690 篇

顶刊论文、临床试验结果、学术会议报告

学术研究

多模态多任务AI模型优化角膜塑形镜适配

本研究开发了一种多模态多任务人工智能（AI）模型，旨在通过分析角膜地形图模式和预测眼轴长度（AL）增长，同时输出最佳的角膜塑形镜（Ortho-K）参数及预测的眼轴增长概率，以支持临床决策。该模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率以及推荐镜片参数方面表现优异，为Ortho-K镜片的适配提供了有价值的决策支持。

#AI辅助诊断#角膜塑形镜#近视控制
PubMed Ophthalmology
学术研究

大型语言模型在角膜塑形镜初次试戴参数选择中的辅助作用评估

本研究旨在评估大型语言模型（LLMs）在角膜塑形镜（Ortho-K）初次试戴参数选择中的辅助作用。通过回顾性分析，使用了四种LLMs（GPT-4o, GPT-o3, GPT-4.1和Claude 3.7 Sonnet）来分析屈光不正病例，并获取关于初次试戴镜片参数的建议。主观评价包括答案的准确性和整体质量，客观评价则关注初次试戴镜片参数的差异。结果显示，不同模型的准确性存在显著差异，且系统性参数偏差主要涉及BC和RZD。结论是，LLMs可以支持常规CRT相关的决策支持，但初次试戴镜片参数的选择仍需可行性约束和临床医生的验证。

#大型语言模型#角膜塑形镜#近视控制
PubMed Ophthalmology
学术研究

大语言模型辅助知识图谱揭示糖尿病黄斑缺血新特征

该研究通过构建基于大语言模型的知识图谱，对糖尿病黄斑缺血（DMI）的临床术语进行了深入探索，并在实际临床数据中验证了这些发现。研究团队利用生成式预训练变换器4处理了66篇相关文献，将其转化为实体-关系三元组，并使用Neo4j构建了包含2408个实体和8133个关系的知识图谱。通过对图谱的社区检测，研究人员发现了两个新的临床概念：中间视网膜层紊乱（DMIL）和退行性DMI。这些新概念有助于更全面地理解DMI的病理机制及其与视觉功能的关系。

#糖尿病黄斑缺血#知识图谱#大语言模型
PubMed Ophthalmology
学术研究

ChatGPT-4o在眼科患者手册生成中的应用：与AAO材料的比较

本研究旨在对比ChatGPT-4o生成的眼科患者手册与美国眼科学会（AAO）提供的教育材料在英语和西班牙语版本中的可读性和质量。研究选取了10种常见眼部疾病的AAO手册，并要求ChatGPT-4o生成相应内容，确保其阅读难度为8年级水平。结果显示，ChatGPT-4o生成的手册在英语可读性方面与AAO材料相当，但在西班牙语版本中表现更优。具体而言，ChatGPT-4o生成的手册在西班牙语的Szigriszt-Pazos Perspicuity Index (SPPI)评分显著高于AAO材料。此外，ChatGPT-4o生成的手册在内容质量评估中也表现出色，尤其是在西班牙语版本中。总体而言，ChatGPT-4o生成的手册在可读性和内容质量上均达到或超过了AAO材料的标准。

#人工智能#眼科教育#患者手册
PubMed Ophthalmology
学术研究

瞳孔扩张对糖尿病视网膜病变筛查的影响

该研究探讨了在资源有限的环境中，瞳孔扩张对便携式眼底相机图像可分级性和基于人工智能的糖尿病视网膜病变检测性能的影响。研究发现，使用瞳孔扩张剂后，图像的可分级性显著提高（82.1% vs. 55.6%），且AI模型在扩张后的图像上表现更佳（准确率85.15%，AUC 0.94）。然而，在低收入和中等收入国家，药物扩张可能不切实际，因此优化非扩张图像的模型校准和阈值设定至关重要。

#糖尿病视网膜病变#AI筛查#便携式眼底相机
PubMed Ophthalmology
学术研究

视网膜生物标志物在心血管疾病预测中的应用

心血管疾病（CVDs）是全球死亡的主要原因，先天性心脏病（CHD）、获得性心脏病（AHD）、瓣膜病和心肌病显著增加了发病率。视网膜眼底成像作为一种非侵入性技术，能够捕捉微血管变化，作为系统性心血管功能障碍的生物标志物。本研究系统回顾了2015年至2025年间发表的相关文献，评估了不同疾病焦点、成像模式、分析方法及诊断性能。结果表明，深度学习和机器学习模型应用于视网膜眼底图像，在检测和分类CVDs方面表现出较高的准确性。卷积神经网络在CHD检测中达到了91%的AUC值，而混合多模态方法提高了AHD和瓣膜病的预测敏感性。心肌病与血管扭曲和微出血相关，可通过自动化图像分析量化。新兴方法如基于Transformer的模型和Segment Anything Model (SAM) 的医疗影像适应，有望提高通用性和可解释性。尽管存在数据集不平衡、纵向验证有限和AI模型黑箱问题，视网膜成像仍具有作为可扩展、非侵入性工具的巨大潜力。

#视网膜成像#心血管疾病#人工智能
PubMed Ophthalmology
学术研究

苯肾上腺素引导的双侧Müller肌切除术优化眼睑对称性

该研究旨在评估苯肾上腺素引导的双侧Müller肌-结膜切除术（MMCR）在轻至中度上睑下垂患者中的解剖、功能和美学效果。通过标准化切除算法，术前模拟术后眼睑位置并揭示Hering现象相关的对侧下垂，实现个体化手术规划。研究纳入了59名患者共118只眼，结果显示术后3个月时，右眼和左眼的MRD-1分别从1.24±0.95 mm和1.32±0.84 mm显著提高到2.68±0.91 mm和2.61±0.78 mm（p<0.001）。74.6%的患者达到极佳的眼睑对称性，仅8.4%需要二次手术。结论表明，苯肾上腺素引导的双侧MMCR是一种安全、有效且高度可预测的手术方法，可作为侵入性更强的上睑下垂修复方法的替代方案。

#上睑下垂#Müller肌-结膜切除术#苯肾上腺素
PubMed Ophthalmology
学术研究

全球眼健康研究二十年：地域与性别差异显著

本研究通过MEDLINE数据库，对2000年至2019年间发表的全球眼健康相关初级研究进行了全面总结。研究发现，这二十年间全球眼科研究产出年均增长4.2%，从2000年的5057篇增加到2019年的10875篇。然而，高收入国家的研究产出占总量的70%，而中低收入国家的研究产出相对较少。此外，女性作者在总作者中的比例为33%，但在第一作者和通讯作者中的比例分别为36%和24%，显示出性别不平等现象。这些数据揭示了全球眼健康研究在地域分布和性别平等方面存在的显著不平衡。

#全球眼健康#研究产出#性别平等
PubMed Ophthalmology
学术研究

AI助力X连锁视网膜色素变性患者视野估计

该研究旨在通过基于OCT扫描的高效方法，估算X连锁视网膜色素变性（RP）患者的视野。通过对Moorfields眼科医院患者的回顾性分析，研究人员利用人工智能自动分割和量化黄斑椭圆体带宽度（EZW）和面积（EZA），并结合静态视野测试的功能参数进行分析。结果显示，EZA与视野功能参数具有最高的条件相关性，表明这种方法可以应用于不同严重程度的患者。研究证明，AI技术能够有效获取大量结构参数，促进研究和结构-功能预测。

#AI#视网膜色素变性#OCT扫描
PubMed Ophthalmology
学术研究

自动化OCT定制及同日生物标志物靶向微视野检查在地图状萎缩中的应用

本研究开发并验证了一种基于深度学习的自动化、生物标志物靶向、实时微视野（MP）方法，用于地图状萎缩（GA）患者的个体化结构-功能评估。通过光谱域光学相干断层扫描（OCT）和中视网膜微视野检查，识别出椭圆体带损失（EZL）和视网膜色素上皮损失（RPEL）区域。算法选择40个生物标志物靶向视网膜测试点，根据病变形态动态调整测试点密度，并优先在EZL区域内进行。统计分析采用多变量混合效应模型。在64只眼（来自44名患者，平均年龄79.1±5.0岁，59%为女性）中，共测试了2,560个靶向MP刺激点。结果显示，RPEL区域的平均视网膜敏感度（RS）为7.2±7.4 dB，EZL区域为13.3±7.1 dB，保留视网膜区域为19.0±5.0 dB。

#OCT#微视野检查#地图状萎缩
PubMed Ophthalmology
学术研究

术中OCT预测ICL植入后拱高：机器学习模型的建立与应用

该研究旨在通过术中光学相干断层扫描（iOCT）数据，开发一种机器学习（ML）模型，以预测ICL植入后的拱高，并指导实时调整ICL位置以优化拱高结果。研究在陕西省眼科医院等机构进行，前瞻性地收集了106名患者（158只眼）的数据。术后拱高通过前段OCT在术后1天、1周和1个月随访时评估。随机森林算法在多个误差阈值下表现出色，平均绝对误差（MAE）为106.48 ± 19.23 μm，均方根误差（RMSE）为141.37 ± 24.87 μm。预测准确性在不同误差阈值下分别为62.9%（±50 μm）、85.9%（±100 μm）、94.9%（±150 μm）、97.2%（±200 μm）和98.9%（±250 μm）。研究表明，iOCT能够准确测量术中拱高，并可靠预测术后拱高，从而提供了一种客观、数据驱动的方法来优化ICL手术中的位置调整。

#ICL手术#术中OCT#机器学习
PubMed Ophthalmology
学术研究

视神经头生物力学在青光眼视野缺损分类中的应用

该研究旨在评估视神经头（ONH）的生物力学特性，通过组织应变量化是否能提高对青光眼患者进行视野（VF）损失模式分类的能力。研究纳入了249名青光眼患者，通过自动分割和数字体积相关计算神经组织和LC应变，并将这些特征输入PointNet模型进行分类任务。结果显示，加入应变信息后，模型在分类特定视野缺损时性能显著提升，AUC从0.83±0.02提高到0.87±0.02。此外，研究发现应变敏感区域主要集中在下部和颞下缘，且随着视野损失严重程度增加而扩展。这表明ONH应变在预测青光眼视野损失方面具有重要作用。

#青光眼#视神经头#生物力学 +1
PubMed Ophthalmology