人工智正在现代医学中发挥日益重要的作用，特别是在解读医学影像辅助临床评估疾病严重程度、指导治疗决策和监测病情进展方面。尽管取得这些进展，目前大多数AI模型仍基于静态数据集，限制了其适应性和实时诊断潜力。
佛罗里达大西洋大学与合作团队开发出创新概念验证深度学习模型，利用实时数据辅助诊断眼球震颤（nystagmus）——这种不自主的节律性眼球运动通常与前庭系统或神经系统疾病相关。
黄金标准诊断工具如视频眼球震颤图（VNG）和电子眼球震颤图存在显著缺点：设备成本高昂（VNG设备常超10万美元）、设备笨重且患者检测时不便。FAU的AI系统提供了更具成本效益和患者友好的替代方案，可在家中完成平衡障碍和异常眼球运动的快速可靠筛查。
该平台允许患者用智能手机记录眼球运动视频，安全上传至云端系统后，即可获得前庭和平衡专家的远程诊断分析。核心技术是基于实时面部特征点追踪的深度学习框架，可自动映射468个面部特征点，评估慢相速度（识别眼球震颤强度、持续时间和方向的关键指标），并生成直观的图表和报告供听力学家等临床医生在虚拟会诊中解读。
发表在《Cureus》的20人初步研究表明，AI系统评估结果与传统医疗设备高度吻合，验证了模型的准确性。研究通讯作者阿里·丹什（Ali Danesh）教授指出："该AI模型在远程医疗环境中可部分补充或替代传统诊断方法，尤其能改善偏远地区专科护理的可及性。结合深度学习、云计算和远程医疗，我们正在使诊断更灵活、经济、可及。"
研究团队使用15,000个视频帧训练算法，采用严格的70:20:10训练/测试/验证数据分割，确保模型在不同人群中的鲁棒性和适应性。系统通过智能过滤消除眨眼等干扰因素，确保读数准确。医生可通过远程医疗平台访问AI报告，对比电子健康记录制定个性化方案，患者则可在家上传新视频进行随访评估，便于医生跟踪病情进展。
同步进行的可穿戴设备开发中，配备深度学习功能的头戴设备已在受控环境测试中展现潜力，但仍需优化传感器噪声处理。第一作者哈什尔·桑格维（Harshal Sanghvi）表示："这项技术有望变革前庭和神经系统疾病诊疗，非侵入式实时分析平台可广泛应用于诊所、急诊室、听力中心及家庭场景。"
该跨学科项目联合了佛罗里达大西洋大学医学院、工程与计算机科学学院、科学学院等机构，合作伙伴包括玛库斯神经科学研究所、洛马琳达大学医学中心和布劳沃德健康北医院。团队正在提升模型准确性、扩大患者群体验证，并推进FDA认证以实现临床普及。丹什教授强调："随着远程医疗成为医疗保健的重要组成部分，此类AI诊断工具将提升早期检测效率，优化专科转诊并减轻医疗系统负担，最终改善患者预后——无论他们身处何地。"
【全文结束】
