跳转到主要内容

#人工智能

76 篇

与"人工智能"相关的眼科资讯

学术研究

STAGE挑战赛：用OCT图像预测青光眼视野指标

中山眼科中心与HDMI实验室联合发起STAGE挑战赛，旨在建立结构-功能关联模型——从光学相干断层扫描（OCT）图像直接预测青光眼患者的视野检查指标（如平均缺损、敏感度图等）。研究发布含401例OCT体积数据（每例256张横断面图像）及对应视野标签和人口学信息的标准化数据集，并提供统一评估框架。七支决赛团队均采用融合OCT图像与表格数据的双分支架构，其中使用任务特化OCT模型的团队表现最优。

#青光眼#人工智能#OCT +2
PubMed Ophthalmology
学术研究

AI通过眼底影像辅助阿尔茨海默病和帕金森病早期识别

研究综述了人工智能利用眼底照相（CFP）和光学相干断层扫描（OCT）影像识别阿尔茨海默病（AD）和帕金森病（PD）的最新进展。AD患者普遍存在视网膜神经节细胞层（GC-IPL）和视网膜神经纤维层（RNFL）变薄，AI基于OCT图像识别AD准确率达80%，结合OCT与眼底彩照可将轻度认知障碍（MCI）识别准确率提升至85%。PD患者则表现为RNFL普遍变薄、外丛状层增厚等特征，多模态AI模型实现100%敏感性和85%特异性。

#人工智能#阿尔茨海默病#帕金森病 +2
PubMed Ophthalmology
学术研究

无代码AutoML实现OCT图像自动分类

研究者使用谷歌云Vertex AI平台，对434张公开OCT B扫描图像进行无代码自动机器学习建模，将图像分为ERM、LMH、MH和正常视网膜四类。模型整体平均精确率为0.988，精确率与召回率均为97.6%，其中MH和正常视网膜分类达到100%精确率与召回率。结果表明，临床医生无需编程即可快速构建高精度OCT分类模型。

#OCT#人工智能#玻璃体黄斑界面疾病
PubMed Ophthalmology
学术研究

人工智能在视网膜母细胞瘤和脉络膜黑色素瘤中的应用综述

这篇综述梳理了2010至2025年间AI在眼肿瘤诊疗中的进展，重点涵盖视网膜母细胞瘤的 fundus 摄影识别、脉络膜黑色素瘤与良性病变的鉴别，以及结合OCT、B超和组织病理的多模态AI模型在预后预测和治疗分层中的应用。研究指出，部分AI算法诊断准确率已达到甚至超过眼科肿瘤专家水平。

#人工智能#视网膜母细胞瘤#脉络膜黑色素瘤
PubMed Ophthalmology
学术研究

多标签AI模型可单张眼底照同步筛查九种眼病

研究团队开发了一种多任务ConvNeXt深度学习模型，使用23.6万张眼底彩照（来自17个异质来源）训练，可同时识别糖尿病视网膜病变、年龄相关性黄斑变性等九种眼底状况。内部验证（47,229张图）显示AUROC在0.943–0.989之间；外部验证（4055张图，来自东亚健康筛查中心）中，八种病症阴性预测值（NPV）≥95.6%，其中糖尿病视网膜病变NPV达99.3%。

#人工智能#眼底筛查#深度学习
PubMed Ophthalmology
学术研究

AI系统MyoATP助力低浓度阿托品近视防控决策

研究团队开发了名为MyoATP的AI辅助决策系统，基于GraphRAG与链式推理架构，整合2000–2025年PubMed中104篇关于阿托品与近视的临床文献构建知识图谱。系统在多项自动评估指标中表现优异，如BLEU达0.9479、ROUGE-1为0.969；五位眼科医生对其安全性、专业性等维度给予高度评价。该系统旨在为医生提供循证支持，并向患者输出易懂、可靠的个性化用药指导。

#人工智能#近视防控#低浓度阿托品
PubMed Ophthalmology
学术研究

多模态AI在视网膜疾病中的临床转化路径

本文为特刊导言，指出当前AI在视网膜图像分类和筛查中进展显著，但临床价值取决于能否支撑患者全程决策。多模态AI可整合眼底照相、OCT、OCTA、超广角成像等影像数据与临床特征、治疗史及纵向变化，以提升风险分层、病情监测和个体化随访能力。研究强调需超越单一技术指标，验证其相较单模态模型和临床基线的增量价值，并在真实世界中评估对视力功能、转诊合理性、治疗时机等终点的影响。

#人工智能#视网膜疾病#多模态影像
PubMed Ophthalmology
学术研究

眼科医生用自然语言编程： vibe coding技术综述

本文综述了大语言模型驱动的‘vibe coding’技术在眼科领域的应用潜力。该技术允许非程序员仅通过自然语言描述需求，即可生成含用户认证、数据库集成等功能的完整应用程序。研究指出，它最适合解决眼科亚专科中过于小众、难以吸引商业开发的特定问题，为临床流程优化、科研与教学工具开发提供快速原型路径。

#人工智能#临床信息化#医生创新
PubMed Ophthalmology
学术研究

视网膜图像可预测生理年龄并揭示性别特异性衰老特征

研究利用英国生物银行71343名参与者的彩色眼底照片，微调RETFound基础模型预测实际年龄，平均绝对误差为2.85年。由此计算出的‘视网膜年龄差’（预测年龄减实际年龄）与心血管代谢指标、炎症水平、认知功能、全因死亡、痴呆、癌症及新发心血管疾病显著相关。全基因组分析发现多个与长寿、代谢、神经退行及年龄相关眼病相关的基因。分性别建模显示，男性更关联代谢综合征，女性则更突出视网膜血管变化，且绝经后女性的视网膜年龄差增大，临床关联模式趋近男性。

#人工智能#视网膜成像#衰老生物学
PubMed Ophthalmology
学术研究

人工智能在基层医疗分诊中的应用现状综述

研究系统梳理了2013至2026年间全球17项用于基层医疗分诊的人工智能系统，覆盖12个国家，其中14项来自高收入国家。多数系统（14/17）面向医生提供决策支持，无一实现完全自主运行；功能以诊断或筛查分诊为主（7项），其次为优先级排序和转诊路径推荐。AI辅助下，眼底图像识别准确率从82.8%提升至91.1%，皮肤镜管理敏感度从72.9%升至94.2%。但模型性能差异大，准确率跨度达41.2%–98.28%，且仅4项完成外部验证，无一项开展前瞻性随机对照试验或评估患者结局。

#人工智能#基层医疗#分诊
PubMed Ophthalmology
学术研究

联合OCT与拉曼光谱的内镜平台用于头颈癌动态监测

研究团队开发了一种微型前视光纤探针，集成光学相干断层成像（OCT）和拉曼光谱（RS），可同步实现视频速率OCT成像与1秒RS采集。该系统在4NQO诱导的小鼠头颈癌模型中，纵向追踪了上皮从增生、异型增生、原位癌到浸润癌的全过程。研究还构建了可解释AI融合框架，联合分析结构与分子时序特征以分类组织状态。

#光学成像#人工智能#癌症早期检测
PubMed Ophthalmology