学术研究 2026年10月25日 鸟枪脉络膜视网膜炎宽视野眼底图像数据集发布 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。 #罕见病#AI医疗#眼底影像 PubMed Ophthalmology
学术研究 2026年10月25日 因果推理提升多病种眼底影像诊断准确率 研究团队提出一种融合因果干预的多标签医学影像诊断框架,针对多种眼病共存时模型易混淆统计相关性与真实因果关系的问题。该方法通过建模潜在混杂因素并实施后门调整,在ODIR(彩色眼底照相)、LID-FFA(眼底荧光血管造影)等四个数据集上验证效果,显著提升诊断准确性与可解释性。源代码已开源。 #AI医疗#因果推理#多病种诊断 PubMed Ophthalmology
学术研究 2026年10月25日 眼科AI热图临床可信度评估框架 研究提出两阶段临床导向框架,筛选适用于OCT视网膜疾病分类的可解释AI热图。基于Swin Transformer模型,在交叉验证中达97%准确率,外部验证为91.82%。Phase 1由1名眼科医生和1名AI专家初筛100张热图/方法;Phase 2由21名专科医生用五点量表评估解剖合理性。Token contRAST(TRAST)热图评分最高,Grad-CAM++次之,CGFM最低。 #AI医疗#OCT#可解释AI PubMed Ophthalmology
学术研究 2026年10月25日 AI进入视网膜诊疗对专科培训的冲击 研究系统梳理了AI在视网膜图像判读中的临床部署如何重塑专科医生培训体系,涵盖教育机会、发展风险与课程响应三方面。检索截至2026年3月,识别出六大主题:部署场景、AI作为教学工具、可解释性与教学法、学员能力退化风险、大语言模型对考核效度的影响,以及机构应对措施。研究指出AI既带来个性化病例分配、合成数据生成等新可能,也引发‘去技能化’‘从未习得技能’和自动化偏见等真实风险。 #AI医疗#医学教育#视网膜专科 PubMed Ophthalmology
学术研究 2026年10月25日 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 2026年10月25日 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 2026年10月25日 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 2026年10月25日 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