综述:人工智能在眼科医疗中的应用:一项系统性综述
《Journal of Clinical Medicine》:Artificial Intelligence in Eye Disease: A Systematic Review of Screening, Diagnosis, Prognosis, Treatment-Response Prediction, and Clinical Decision Support
【字体:
大
中
小
】
时间:2026年10月15日
来源:Journal of Clinical Medicine 3.3
编辑推荐:
**摘要**
**背景/目的**:人工智能(AI)正在推动眼科医疗从基于图像的疾病检测向预后评估、治疗反应预测、监测、分诊以及面向临床医生的决策支持等领域扩展。本研究在眼病筛查、诊断、预后、治疗反应及决策支持等方向上对人工智能进行了评估,重点关注验证方法、可解释性以及临床可
**摘要****背景/目的**:人工智能(AI)正在推动眼科医疗从基于图像的疾病检测向预后评估、治疗反应预测、监测、分诊以及面向临床医生的决策支持等领域扩展。本研究在眼病筛查、诊断、预后、治疗反应及决策支持等方向上对人工智能进行了评估,重点关注验证方法、可解释性以及临床可及性。**方法**:本系统性综述已在PROSPERO注册,并遵循系统评价和荟萃分析优先报告条目(PRISMA)2020声明。通过检索六个数据库及其他补充检索途径,纳入2015年1月1日至2026年8月10日期间发表的英文文献。纳入研究采用基于研究设计映射的乔anna布里格斯研究所(JBI)/改良JBI条目级质量评估;由于异质性较大,未能进行荟萃分析。**结果**:纳入的循证基础共270项研究。糖尿病视网膜病变/糖尿病性黄斑水肿是最大的临床领域(82项),其次为视网膜/多疾病人工智能(52项)、青光眼(46项)及年龄相关性黄斑变性(AMD)/黄斑疾病(29项);卷积神经网络(CNN)/卷积深度学习是最大的一级方法类别(136项)。130项研究确认了外部验证,其中95项包含临床、地域、前瞻性或真实世界外部验证组件(86项仅为临床验证,9项为临床+技术混合验证);49项设有严格的直接临床对照组,90项使用了可解释性方法。儿科/儿科相关证据占30项,而明确涉及验光/验光师参与的仅有3项。**结论**:眼科人工智能涵盖了从诊断到临床管理的广泛环节,但其转化应用仍受到结局指标异质性、独立验证不完善、直接对照组较少,以及对安全性、工作流程影响及患者结局评估不足等问题的限制。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号