《Ophthalmology Science》：Artificial Intelligence for Predicting Postoperative Outcomes in Anterior Segment and Ocular Adnexa Surgery: A Systematic Review
编辑推荐：
摘要主题人工智能（AI）越来越多地被用于辅助眼科领域的决策制定。本综述评估了AI在预测眼前段及眼附属器手术术后结果方面的能力。临床意义能够处理多模态复杂数据并构建非线性关系的AI算法，在预后预测方面的应用有望提升围手术期患者咨询、手术规划以及手术效果。方法我们在MEDLINE、E
摘要
主题
人工智能（AI）越来越多地被用于辅助眼科领域的决策制定。本综述评估了AI在预测眼前段及眼附属器手术术后结果方面的能力。
临床意义
能够处理多模态复杂数据并构建非线性关系的AI算法，在预后预测方面的应用有望提升围手术期患者咨询、手术规划以及手术效果。
方法
我们在MEDLINE、Embase、Cochrane Library、Compendex、Web of Science、Scopus、ProQuest Dissertations and Theses以及灰色文献中进行了全面检索。那些仅研究人工晶状体度数计算和屈光结果的文献被排除在外。我们使用预测模型偏倚风险评估工具（PROBAST）来评估各项研究的方法学质量。
结果
共有28项研究被纳入分析（涉及2,871,898只眼睛）。其中大部分为角膜及眼表相关手术（50%），其次是青光眼手术（25%）以及白内障/眼整形手术（25%）。在模型表示层方面，以基于树的算法为主（57%），深度学习算法次之（43%）。有14项研究比较了AI与传统预测方法的性能，其中13项（93%）显示AI的性能优于传统方法。曲线下面积（AUC）在0.33到0.99之间，这反映出不同研究在结果定义和模型设计上存在较大差异。PROBAST评估显示，71%的研究存在较高的偏倚风险，主要原因是未能充分披露模型的透明度及校准指标相关信息。仅有11%的研究进行了外部验证。
结论
AI模型在预测眼前段及眼附属器眼科手术的术后结果方面展现出巨大潜力。虽然这些模型通常比传统方法表现更好，但仍存在方法学上的局限性。未来的研究应纳入外部验证、标准化报告以及工作流程整合方面的评估。
Abdullah Al-Ani|Mayar Alkhawaja|Lucy Yang|David Mikhail|Liam Connors|Daniel Milad|Athithan Ambikkumar|Vivian Hill|Karim Punja|Fiona Costello|Ahmed Al-Ghoul|Patrick Gooi
加拿大卡尔加里市AB省卡尔加里大学库明医学院外科系眼科专业
