综述：基于人工智能的算法在预测圆锥角膜进展中的应用：一项系统评价

《International Ophthalmology》：The application of artificial intelligence-based algorithms in predicting the progression of keratoconus: a systematic review

人工智能算法预测角膜圆锥状变性进展的系统综述，纳入10项研究（10940眼），模型AUC 0.77-0.93，准确率77.5%-84.9%。关键预测因素包括后部抬升、最大屈光度及年轻年龄，整合非成像临床因素（IgE、揉眼、维生素D/B12缺乏）可提升性能。但缺乏外部验证，需标准化定义、多中心前瞻性研究和平台独立性。

　　

摘要

目的

对研究人工智能（AI）算法在预测圆锥角膜（KCN）进展中的应用进行系统评价。

方法

通过PubMed、Google Scholar和ScienceDirect进行了全面检索，重点关注与AI和KCN进展相关的关键词。仅纳入了使用AI算法评估KCN变化的英文发表的研究。使用QUADAS-2工具评估偏倚风险和研究的整体质量。采用叙述性定性综合方法对研究结果进行总结和解释。

结果

共分析了10项研究，涉及10,940只眼睛，这些研究使用了多种AI模型（包括机器学习和深度学习技术）来评估KCN的进展。大多数模型表现出中等至较高的区分能力，曲线下面积（AUC）值介于0.77至0.93之间，准确率在77.5%至84.9%之间。多项研究中一致识别的关键预测因素包括后凸高度、最大角膜曲率（Kmax）和年轻年龄。值得注意的是，进展中的眼睛明显比保持稳定的眼睛更年轻。此外，将非影像学临床风险因素（如IgE水平、揉眼行为以及维生素D和B12缺乏）纳入分类框架后，模型的性能得到了提升。然而，没有一项研究使用独立的多中心队列进行外部验证。大多数研究依赖于内部训练-测试划分或交叉验证来进行分析。

结论

AI模型在识别KCN的进展方面显示出潜力。然而，当前的证据受到进展标准不一致、外部验证不足、依赖特定设备以及校准和决策曲线分析报告不全面的限制。为了将这些工具整合到常规临床实践中，需要标准化定义、多中心前瞻性验证研究以及平台无关的算法。