编辑推荐：
为探究 AI 对眼科医生诊断眼前段疾病准确性的影响，研究人员以 CorneAI 为对象展开研究。结果显示，CorneAI 辅助下，眼科医生诊断准确率显著提升。这表明 AI 在眼科诊断中有重要价值，有望改善临床诊断。
在眼科领域，远程医疗发展迅速，人工智能（AI）也逐渐应用于多种疾病的诊断和管理，比如眼科疾病中的感染性角膜炎。然而，AI 辅助角膜疾病诊断的效果尚未完全明确。为了探究 AI 在眼科诊断中的作用，来自日本多所大学附属医院的研究人员开展了相关研究，其成果发表于《Scientific Reports》。这项研究意义重大，若 AI 能有效助力眼科诊断，将提升诊断效率和准确性，改善患者的就医体验，尤其在远程医疗场景中，能让更多患者受益。
研究人员用到的主要关键技术方法有：收集来自 13 个合作机构的 807 例患者的眼前段图像，包括智能手机（iPhone 13 Pro）和裂隙灯显微镜拍摄的图像；采用深度学习算法 You Only Look Once（YOLO）Version 5（YOLO V.5）构建 CorneAI 模型；邀请 40 名眼科医生（20 名专家和 20 名住院医生）对图像进行分类诊断，并对比有无 CorneAI 辅助时的诊断结果 。
研究结果
- CorneAI 的诊断准确性：在对 100 张图像（50 例眼睛的智能手机和裂隙灯图像各 50 张）的分类中，CorneAI 的总体分类准确率为 86.0%。其中，对正常情况、角膜瘢痕、眼表肿瘤等疾病的诊断准确率较高；对感染性角膜炎、免疫性角膜炎和原发性闭角型青光眼的诊断准确率相对较低。在不同成像设备图像上，智能手机图像准确率为 84.0%，裂隙灯图像准确率为 88.0%，两者无显著差异。
- 眼科医生的诊断准确性：在没有 CorneAI 辅助时，眼科医生的总体分类准确率为 79.2±7.9%，专家的准确率（82.8+5.4%）显著高于住院医生（75.6+8.4%） ，但智能手机图像和裂隙灯图像的诊断准确率无显著差异。在有 CorneAI 辅助后，总体分类准确率显著提升至 88.8±5.3%，智能手机图像和裂隙灯图像的诊断准确率也均显著提高。在一些原本诊断准确率低于 70% 的图像中，有 19 张在 CorneAI 辅助下准确率显著提升。
- 诊断时间：没有 CorneAI 辅助时，专家完成 100 张图像分类的平均时间为 4.0 ± 1.4 秒 / 张，住院医生为 5.4 ± 4.3 秒 / 张；有 CorneAI 辅助后，专家和住院医生的时间均有所缩短，分别为 3.8 ± 1.4 秒 / 张和 4.3+3.2 秒 / 张，且 CorneAI 的响应时间约为 0.1 秒，显著短于医生。
研究结论与讨论
研究表明，CorneAI 辅助能显著提高眼科医生对眼前段彩色图像的诊断准确率。尽管 CorneAI 主要基于裂隙灯图像训练，但对智能手机图像也有较好的诊断效果，这显示了其通用性和可推广性。AI 辅助诊断在多种疾病诊断中都有重要意义，尤其在眼科领域，能帮助医生更准确地诊断感染性角膜炎等疾病，有助于选择合适的眼药水进行治疗。
然而，研究也存在一定局限性。参与研究的眼科医生均来自大学附属医院，与普通医院或诊所的医生可能存在差异；两次测试间隔 2 - 4 周，虽然问题顺序随机打乱，但医生仍可能存在记忆效应影响结果。尽管如此，该研究为 AI 在眼科诊断中的应用提供了重要依据。未来，进一步优化 AI 模型，如使用更多智能手机图像进行训练，有望提升其诊断准确率，为眼科临床诊断和远程医疗提供更有力的支持。
