跳转到主要内容

#AI医疗

40 篇

与"AI医疗"相关的眼科资讯

学术研究

商用AI近视风险评估工具的实际价值存疑

研究用18张模拟近视外观和18张非近视外观的儿童合成图像，输入Magnifeye AI临床决策支持工具，测试其在不同环境风险设定下的输出一致性。结果发现，当环境风险调至最低时，无论图像是否显示近视特征，系统均判定为低风险；调至最高时则统一判为高风险。环境因素（尤其家族史和近距离用眼行为）主导风险评级，而图像本身特征仅起微弱调节作用。结论指出，该类简单、低风险临床问题可能无需复杂AI，常规临床经验已足够。

#AI医疗#近视防控#临床决策支持
PubMed Ophthalmology
学术研究

无需标注的AI模型实现跨设备RNFL自动分割

研究团队开发了名为Macula2Disc（M2D）的AI框架，仅用黄斑区OCT图像训练，即可在未标注的视盘周RNFL图像上完成分割。在1017张未标注的视盘周扫描图像上验证，RNFL分割Dice系数达87.42%，MIoU为80.43%。该方法不依赖视盘区域人工标注，能适配Heidelberg Spectralis和TowardPi BMizar-400K两种异构OCT设备，目标是提升青光眼结构评估的跨平台一致性。

#AI医疗#OCT#青光眼 +1
PubMed Ophthalmology
学术研究

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。

#AI医疗#眼底成像#心血管预测
PubMed Ophthalmology
学术研究

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。

#AI医疗#医学教育#高度近视
PubMed Ophthalmology