综述：眼科多模态人工智能的应用、挑战与未来方向

这篇系统综述全面探讨了多模态人工智能（AI）在眼科领域的突破性进展，通过整合眼底照相、OCT（光学相干断层扫描）、视野检查等异构数据，显著提升了青光眼、年龄相关性黄斑变性（AMD）等疾病的诊断准确率（AUC提升4-5%），为临床决策提供了更全面的维度。

　　

Abstract
随着人工智能（AI）技术的迅猛发展，整合多源数据的多模态AI在眼科领域展现出巨大潜力。研究表明，多模态系统在青光眼、AMD、角膜疾病等诊疗中表现优于单模态系统，AUC提升达4-5%，准确率提高2-7%。未来需聚焦临床验证、新型融合算法及模型轻量化以实现临床转化。

Introduction
眼科作为高度依赖多模态检查的学科，传统诊断受限于医师主观经验。尽管单模态AI（如基于眼底照相或OCT的算法）已取得进展^3,14,23，但难以模拟临床医师综合多维信息的思维⁴⁰。多模态AI通过融合影像（OCT、OCT血管造影）、功能检查（视野、电生理）及临床数据³⁸，利用卷积神经网络（CNN）和集成学习等算法，显著提升疾病表征能力^25,34。

Study design
本研究遵循PRISMA 2020指南，系统检索2018-2025年PubMed等数据库的14项研究，涵盖青光眼、AMD等六大应用场景。

Main Findings
• 数据组合多样性：图像+图像（如眼底照相+OCT）、图像+功能检查（OCT+视野）等组合成为主流。
• 技术优势：特征级融合与注意力机制结合的方法在AMD分级中表现最佳，决策级融合则适用于急诊分诊。
• 临床价值：在糖尿病并发症筛查中，多模态系统将漏诊率降低12%；基于Chatbot的咨询系统缩短了60%的候诊时间。

Conclusion
多模态AI通过异构数据整合展现出革命性潜力，但数据不平衡和算法可解释性仍是瓶颈。未来需开发跨模态通用框架，并推进伦理合规的临床落地。

Ethical Approval
本研究基于既有文献，未涉及新的人体或动物实验。

Funding
国家自然科学基金（82201195）资助。

作者贡献
通讯作者Kai Jin主导设计与论文撰写，Andrzej Grzybowski提供跨学科指导，Tao Yu参与方法论验证。