- AI眼科疾病诊断在临床研究中已接近经验丰富的眼科医生水平。
- 新型AI眼科疾病诊断工具有望大幅扩大全球医疗服务不足社区的筛查覆盖范围。
- 该技术通过分析视网膜图像，可早期标记糖尿病视网膜病变和黄斑变性等疾病。
- 研究人员表示，自动化筛查可减少诊断延迟，缓解眼保健系统压力。
AI眼科疾病诊断正变得日益成熟
AI眼科疾病诊断已远超概念验证阶段。最新研究显示，机器学习模型分析视网膜扫描的准确性已能真正挑战甚至在某些情况下匹敌临床眼科医生的诊断水平。这绝非小声称，对全球数百万人获取眼科医疗服务的方式有着实际影响。
发表在同行评议医学研究中并被News-Medical报道的最新发现表明，新型AI架构正改善对医学已知最具威胁视力疾病的检测：糖尿病视网膜病变、年龄相关性黄斑变性和青光眼。这些疾病往往在患者注意到症状前就已造成不可逆损伤。早期检测不仅有帮助——常常是保住视力与失明之间的关键区别。
技术的实际工作原理
为眼科疾病筛查开发的AI系统核心是深度学习模型，这些模型在庞大的视网膜眼底图像和光学相干断层扫描(OCT)数据库上进行训练。这些正是眼科专家在常规检查中审查的图像类型——详细展示视网膜结构、血管和视神经的高清照片。
现代AI眼科疾病诊断工具与早期尝试的区别在于所涉及神经网络架构的复杂性。早期模型难以处理边缘情况——罕见的疾病表现、低质量设备拍摄的图像，或多种重叠病症的患者。更新的方法借鉴了基于Transformer的视觉模型和集成学习等技术，能更好地应对这些变异性。
这些模型不仅标记疾病是否存在。更先进的系统能产生分级输出——告知临床医生病情严重程度、视网膜受影响的象限以及随访的紧急程度。这是具有临床意义的信息，而非简单的二元答案。
关键数据表现
该领域的研究已产生难以忽视的数据。研究表明，深度学习系统在糖尿病视网膜病变检测中的敏感性和特异性已超过90%——这些数据在受控条件下与人类评估者相当，有时甚至优于他们。谷歌研究人员2016年在《新英格兰医学杂志》上发表的里程碑式研究首次将这些数据呈现在医学界面前，引起领域关注。后续研究进一步证实了这一核心发现。
对于像年龄相关性黄斑变性(AMD)这样干预窗口狭窄的疾病，AI眼科疾病诊断的准确性至关重要。若能及时发现新生血管性AMD（疾病的侵袭性湿性形式）并进行抗VEGF注射治疗，可保持中心视力多年。错过这一时机，损伤往往在数月内就变得不可逆。
AI有望真正解决的医疗资源问题
故事在此已不仅是技术基准。全球许多地区存在真正且长期的眼科医生短缺。撒哈拉以南非洲、南亚以及拉丁美洲广大农村地区面临的眼科医生与人口比例，使得大规模常规视网膜筛查几乎不可能。世界卫生组织估计，全球超过22亿人存在某种形式的视力障碍，其中相当一部分病例若能及时发现，是可预防或可治疗的。
自动化AI眼科疾病诊断改变了这一局面。经过培训的眼科技术员，甚至配备适当设备和软件的社区健康工作者，都可以采集视网膜图像。AI进行分析，标记结果将被分诊给专家审核。突然间，你建立了一个筛查流程，无需视网膜专家在场——甚至无需在同一国家。
这并非科幻小说。谷歌的Verily多年来一直在印度和泰国开展糖尿病视网膜病变筛查试点。Eyenuk于2020年获得FDA对其EyeArt AI系统用于自主糖尿病视网膜病变检测的批准。IDx Technologies（现已更名为Digital Diagnostics）实际上是首个获得FDA De Novo授权的AI诊断系统，专门用于无需临床医生介入的糖尿病视网膜病变筛查。这些不是追逐概念的初创公司，而是拥有实际应用记录的已部署系统。
临床医生的真实看法
眼科医生的反应比科技媒体报道更为审慎。大多数眼科专家并不将AI视为替代品，而是分诊过滤器。他们的担忧不在于模型在基准数据集上的准确性，而在于真实临床环境的复杂性：图像质量参差不齐、糖尿病控制不佳和白内障影响视网膜视野的患者，以及未设计用于无缝整合AI输出的电子健康记录系统。
还存在责任归属问题。当AI系统漏诊——而没有系统具有完美的敏感性——谁应负责？依赖它的临床医生？部署它的医院？还是软件供应商？这些问题尚无明确答案，它们以纯准确率基准无法解决的方式阻碍了技术的采用。
研究界和临床界似乎达成共识：AI眼科疾病诊断最有效的应用是作为增强层，而非独立的"先知"。最有效的实施方案将自动化筛查与明确的不确定或高风险病例人工审核流程相结合。这种混合模式正是大多数严肃部署的落脚点。
未来发展方向
下一个前沿不仅是提高我们已筛查疾病的准确性。研究人员发现，视网膜成像可能揭示远超眼科疾病本身的信息。研究表明，AI对视网膜扫描的分析可预测心血管风险、估计生物年龄、检测阿尔茨海默病等神经系统疾病的早期迹象，甚至识别贫血等全身性疾病的标志物。事实证明，眼睛是整体健康的一个信息极其丰富的窗口。
如果这一潜力得到大规模验证，AI眼科疾病诊断将变得更加广泛：成为一个通用的健康筛查工具，恰好使用眼相机作为输入。视网膜血管是人体循环系统中唯一无需侵入性操作即可直接观察的部分。这对无创监测具有显著优势，AI社区正开始认真利用这一优势。
目前，当务之急仍是将经过验证的视网膜疾病检测技术交到最需要它的临床医生和医疗系统手中。该技术显然已具备能力。监管框架正缓慢跟上。随着每项新研究的发布，特别是在高负担、低资源环境中大规模部署这些工具的必要性变得越来越难以反驳。
【全文结束】