人工智能辅助青光眼筛查在澳大利亚初级医疗中的前瞻性实践评估：真实世界性能与临床可行性研究

本研究针对全球70%青光眼患者未被诊断的严峻现状，开发了基于自动视网膜摄影和AI的筛查系统。研究团队在澳大利亚全科诊所(GP)开展前瞻性试验，验证该系统在真实场景中对50岁以上人群青光眼筛查的准确性（AUROC 0.80）与可行性。结果显示AI识别出11.2%既往漏诊病例，特异性达94.6%，显著优化了初级医疗中的青光眼转诊路径。该研究为AI在基层医疗中的实施提供了首个前瞻性证据，发表于《npj Digital Medicine》。

　　

青光眼作为不可逆致盲的首要病因，全球约70%患者未被诊断，凸显早期筛查的紧迫性。传统筛查模式在初级医疗中面临设备短缺和专业培训不足的困境，澳大利亚公立医院眼科预约中位等待时间长达400天。这一背景下，由墨尔本圣文森特医院等机构组成的研究团队在《npj Digital Medicine》发表研究，首次前瞻性评估AI辅助青光眼筛查系统在真实世界GP诊所的性能表现。

研究采用自动化眼底相机(RetiCam 3100)采集483眼非散瞳单视野图像，通过预训练深度学习算法(Inception-v3架构)分析视盘特征，包括杯盘比(CDR)、视网膜神经纤维层(RNFL)缺损等ISGEO标准。研究纳入414名50岁以上GP就诊者，通过混合研究方法同步评估技术性能与用户体验。

成功率和测试时长
66.9%参与者(277人)获得可分析图像，平均筛查耗时4.3分钟。排除者多为高龄(71.4±9.58岁)或合并白内障(40.9%)人群，反映硬件对特殊人群的适应性挑战。

真实世界准确性
AI在人群水平表现AUROC 0.80，灵敏度65.0%/特异性94.6%，显著低于实验室环境的95.6%/92.0%。图像水平分析显示相似趋势(AUROC 0.78)，规范化Matthews相关系数(nMCC)维持在0.75-0.76。值得注意的是，AI在161名近期接受过眼科检查却未确诊的患者中，检出18例(11.2%)需转诊青光眼。

临床贡献与局限性
系统成功识别出初级医疗常规检查会遗漏的病例，但转诊依从性仅37.5%(6/16)，其中1例获确诊。定性访谈揭示GP诊所整合AI需解决医保覆盖和工作流适配问题，82%患者对自动化筛查体验表示满意（见图1）。

结论与展望
该研究证实AI筛查可有效弥补GP诊所青光眼诊断能力缺口，其高特异性(94.6%)能缓解专科医疗压力。但灵敏度下降、高龄/白内障患者成像困难等现实挑战，提示需改进硬件设计（如自动瞳孔适应）和算法再训练。研究首创的"自动化硬件+AI"解决方案（见图2）为资源有限地区提供了新筛查范式，其跨种族验证结果(中国→澳大利亚)为AI泛化性研究树立重要标杆。未来需结合多模态数据和风险分层策略，进一步提升对早期青光眼的识别能力。

关键技术方法：1）使用RetiCam 3100非散瞳自动眼底相机采集50°视野图像；2）基于Inception-v3架构的预训练AI模型分析视盘结构特征；3）双盲人工分级(AHPRA认证验光师)作为参考标准；4）混合方法评估(CSQ-8问卷+GP员工访谈)；5）前瞻性追踪转诊结局。