编辑推荐：
本综述聚焦光学相干断层成像（OCT）与人工智能（AI）结合的医学应用，探讨 AI 通过机器学习（ML）、深度学习（DL）算法助力 OCT 自动分析图像、提升诊断精度，覆盖眼科、心血管科、肿瘤科等领域，展望技术挑战与优化方向。
光学相干断层成像与人工智能结合的医学应用进展
背景与技术概述
光学相干断层成像（Optical Coherence Tomography, OCT）是一种高分辨率无创成像技术，利用近红外光的低相干干涉原理，实现组织反射光分析并生成微米级分辨率的三维断层图像。其实时成像特性使其在眼科、心血管科、皮肤科及肿瘤科等领域广泛应用，可辅助早期疾病检测、病程监测与治疗方案设计。例如，在眼科中，OCT 为年龄相关性黄斑变性（AMD）和糖尿病视网膜病变患者提供无创监测；血管内 OCT（IV-OCT）通过显示冠状动脉斑块细节助力冠心病诊疗；在肿瘤领域，OCT 对皮肤、口腔及胃肠道等上皮癌的浅表层实时成像展现出潜力。
然而，OCT 的临床应用受限于复杂图像解读对专业知识的高要求、诊断结果的不一致性，以及海量数据带来的存储、处理与分析挑战。人工智能（Artificial Intelligence, AI），尤其是机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）算法的引入，为突破这些瓶颈提供了可能。AI 通过自动化和优化 OCT 图像分析流程，有望实现更快速、准确且一致的诊断。
人工智能在 OCT 中的关键应用
AI 在 OCT 系统中的应用主要体现在以下方面：
- 自动疾病检测与图像分析：卷积神经网络（Convolutional Neural Networks, CNNs）等深度学习模型可有效识别 OCT 图像中的正常与癌变组织细胞，实现对 OCT 图像的分类。例如，在肿瘤诊断中，AI 驱动的 OCT 系统能够从成像数据中提取人类肉眼难以察觉的复杂模式和生物标志物，提升诊断精度。
- 实时手术决策支持：AI 通过改善 OCT 的疾病分类能力与肿瘤边缘检测能力，助力肿瘤手术中的实时决策，帮助外科医生精准定位肿瘤边界，减少残留恶性组织。
- 成像质量优化：AI 技术可通过提升成像质量、实时数据处理、降低噪声水平及提高分辨率等方式，克服 OCT 的技术限制。
OCT 在肿瘤学中的应用实践
在肿瘤学领域，OCT 的应用主要集中于上皮癌的早期检测与诊断：
- 皮肤科：OCT 用于基底细胞癌、鳞状细胞癌和黑色素瘤等早期恶性皮肤癌的诊断，通过对皮肤层成像，评估结构异常、肿瘤边缘及细胞紊乱等恶性特征，实现可疑皮肤病变的无创实时观察，减少不必要的活检。
- 其他上皮癌检测：OCT 在口腔、胃肠道等部位的上皮癌检测中亦展现出潜力，其非侵入性实时成像特性为浅表层病变的早期发现提供了新手段。
挑战与未来展望
尽管 AI 与 OCT 结合已取得显著进展，但仍面临以下挑战：
- 模型有效性与数据问题：临床环境中存在模型有效性不确定、数据集相似性不足及潜在的数据偏差等问题，影响 AI 模型的泛化能力。
- 技术优化需求：需进一步优化 AI 模型，提升其在复杂临床场景中的性能，并推动 AI-OCT 系统在医疗环境中的更好实施。
未来，OCT 技术的发展将聚焦于仪器改进、AI 算法优化及与其他先进成像技术的联合应用。例如，全视野 OCT（FF-OCT）通过动态细胞成像实现高分辨率成像与微观结构实时可视化，有望检测到微小病理细胞变化，助力更早的疾病发现。
结论
OCT 通过近红外光实现生物组织的高分辨率断层成像，为无创性疾病检测与癌症早期诊断提供了有力工具。AI 与 OCT 系统的结合革新了医疗诊断流程，通过自动化图像分析、提升诊断精度及支持实时手术决策等，展现出在癌症诊疗中的巨大潜力。未来需进一步解决数据偏差、优化 AI 模型，并推动该技术在临床场景中的广泛应用，以实现更高效的疾病检测与个体化治疗。
