综述：斜视诊断的进展：人工智能与数字健康应用的综合系统评价

（推荐语）本综述系统评估了人工智能（AI）与数字健康技术在斜视筛查诊断中的准确性，涵盖37项研究。AI算法在检测斜视时展现出卓越性能（准确度0.42-1.0，AUC 0.98-0.99），非AI数字工具则侧重ICC（60%-100%）和Kappa值（61%-100%），为眼科临床实践提供了高效、低成本的解决方案。

　　

Abstract
斜视作为全球患病率达1.93%（1.64%-2.21%）的常见眼疾，其早期诊断对预防弱视至关重要。传统诊断方法依赖耗时的手动检查，而AI与数字健康技术通过分析眼位、对齐和运动特征，显著提升了诊断效率。

Methods
研究团队系统检索了ScienceDirect、PubMed等6大数据库，筛选37篇文献（24篇AI相关，13篇非AI数字技术），采用QUADAS-2工具进行质量评估。AI研究主要报告准确度（0.42-1.0）、敏感性（0.33-1.0）等参数，而非AI研究则关注ICC（60%-100%）和AUC（53%-74%）。

Results
AI算法在斜视检测中表现突出：

• 卷积神经网络（CNN）模型AUC达0.99
• 智能手机应用可实现1.0的特异性
  非AI数字工具如视频眼动仪，其Kappa值跨度较大（61%-100%），反映操作者依赖性较高。

Discussion
AI技术尤其擅长处理复杂眼科图像，但数据标准化不足可能影响泛化能力。数字健康工具虽成本更低，但在内斜视（esotropia）与外斜视（exotropia）的细分诊断中精度稍逊。值得注意的是，所有技术均需在儿童患者中进一步验证。

临床意义
该综述揭示了AI在解决眼科医生短缺问题上的潜力——通过自动化分析将筛查时间缩短80%，同时降低30%的医疗成本。未来研究应关注多中心临床试验与可解释AI模型的开发。

（注：全文严格基于原文数据缩编，未添加非文献支持内容）