《Eye & ENT Research》：Artificial Intelligence in Ophthalmology: From Methodological Advances to Clinical Translation and Future Directions
编辑推荐：
人工智能（AI）正在重塑眼科学，从特定任务的图像分析转向多模态、纵向和临床整合的决策支持。本叙述性综述总结了眼科AI的方法学演进，包括传统机器学习（traditional machine learning）、特定任务深度学习（task-specific dee
人工智能（AI）正在重塑眼科学，从特定任务的图像分析转向多模态、纵向和临床整合的决策支持。本叙述性综述总结了眼科AI的方法学演进，包括传统机器学习（traditional machine learning）、特定任务深度学习（task-specific deep learning）、自监督学习（self-supervised learning）、基础模型（foundation models）、多模态AI（multimodal AI）和生成式AI（generative AI），并考察了它们在主要眼科疾病中的应用。当前证据最强的是自主糖尿病视网膜病变筛查，而AI在青光眼、年龄相关性黄斑变性、眼前段疾病、眼表疾病和眼肿瘤中的应用主要定位为筛查、诊断、风险分层、进展预测、治疗监测和定量影像分析的决策支持工具。眼科基础模型、多模态学习、三维光学相干断层扫描（optical coherence tomography, OCT）分析和生成式AI的最新进展已将AI的范围扩展到单模态分类之外，但基准性能的改善并不一定意味着临床就绪。成功的转化需要稳健的外部及前瞻性验证、可靠的不确定性估计、跨设备和跨人群的泛化性、公平性、可解释性、隐私保护、安全性以及有效的人机协作。新兴方向包括AI生成的虚拟患者和数字孪生、用于分散式监测的家用和便携式成像、AI驱动的影像生物标志物发现、用于全身健康评估的眼部组学（oculomics），以及交互式临床助手。总体而言，眼科AI的未来价值不仅取决于日益强大的模型，还取决于它们在真实世界临床工作流程中提供可重复、临床可操作且值得信赖的获益的能力。
1 引言
人工智能在眼科学中已成为重要研究方向，因为现代眼科诊疗产生大量标准化影像和临床数据，包括彩色眼底照相、光学相干断层扫描、OCT血管成像、裂隙灯图像、视野及纵向病历。早期应用主要依赖传统机器学习方法，而深度学习尤其是卷积神经网络（convolutional neural network, CNN）的发展实现了自动化特征提取，显著提升了疾病分类、病灶检测、分割和定量分析能力。AI已应用于糖尿病视网膜病变（diabetic retinopathy, DR）、青光眼和年龄相关性黄斑变性（age-related macular degeneration, AMD）等多种疾病。其中，自主DR筛查已有最强前瞻性临床证据，而青光眼和AMD通常需要整合结构、功能和纵向信息，多数系统仍是决策支持工具而非完全自主诊断平台。近期自监督学习、基础模型、多模态AI和生成式AI将眼科AI从单任务图像分类中扩展出来，但基准性能改善并不等于可靠的真实世界应用。
2 Math Review: 方法学、文献检索策略与范围
本叙述性综述基于对PubMed、Web of Science和Google Scholar等数据库的结构化文献检索，纳入截至2026年7月的相关研究。优先纳入同行评议的原始研究、多中心或前瞻性临床研究、系统综述及权威指南，排除重复发表、相关性低或方法信息不足的文献。灰色文献一般不纳入，但官方监管文件、临床指南或权威政策声明除外。文献按方法学发展、临床应用、证据成熟度、可信AI和未来方向进行叙述性综合。
3 传统机器学习与特定任务深度学习
眼科AI的发展并非一种模型逐次取代另一种的线性过程。本综述从方法学和临床任务两个维度组织：传统机器学习、特定任务深度学习、自监督学习与基础模型、生成式AI；临床任务则分为疾病分类分级、病灶检测分割、风险及进展预测、报告生成。多模态AI并非单一算法，而是上述模型对不同来源临床信息的联合建模。
3.1 传统机器学习与特定任务深度学习
传统机器学习主要包括逻辑回归、支持向量机、随机森林和梯度提升树，依赖人工定义的影像特征或结构化变量，适用于相对小数据集的风险分层、进展预测和治疗反应评估。其优势是可处理小规模结构化数据且部分模型可解释性较好，局限是依赖特征工程且难以充分利用高维图像的空间信息。特定任务深度学习以CNN及其衍生网络为主，可直接从原始图像学习分层特征。临床任务包括：一是分类和分级模型，如利用彩色眼底照相筛查DR、AMD和青光眼，利用裂隙灯图像识别角膜病变和白内障，利用OCT区分糖尿病性黄斑水肿、脉络膜新生血管和玻璃膜疣；二是目标检测与语义分割模型，常用U-Net及其变体分割视网膜层次、视网膜内/下液、视盘视杯、血管和萎缩区域，其输出多为定量影像生物标志物而非完整临床诊断；三是利用循环神经网络或时间Transformer处理多次随访图像预测AMD和青光眼等慢性病的发生与进展，目前以回顾性预后建模为主。在特定任务AI中，DR筛查和部分眼底疾病辅助判读的临床证据相对较强，但不同系统性能不可互换。例如，Lee等对7种DR筛查算法在311,604张眼底图像上的真实世界头对头验证显示，敏感性范围为50.98%–85.90%。Cao等开发了可从超广角眼底图像识别30种眼病的级联系统，Gu等在初级卫生保健机构的多疾病系统验证显示特异性高，但敏感性和阳性预测值因病种而异。
3.2 自监督学习与眼科基础模型
基础模型在大规模标注或未标注数据上预训练，再通过微调、少样本或零样本学习适应多种下游任务，其价值在于提高标签效率和模型迁移性，而非天然获得通用临床适用性。2025年，EyeFM在一项包含668名高风险参与者的单中心随机对照试验中作为视觉语言辅助系统评估，使用该系统的眼科医师正确诊断率为92.2%，对照组为75.4%，表明基础模型可能改善特定场景下的人机协作性能。RETFound于2023年发布，利用自监督学习在大约160万张彩色眼底照片和OCT图像上预训练，随后适应于眼病诊断、新生血管性AMD转化风险预测和某些全身疾病预测，显示良好的标签效率和跨数据集迁移性。EyeCLIP利用约277万张覆盖11种眼科检查模态的图像及部分临床报告预训练，在疾病分类、跨模态检索、视觉问答和少样本任务中取得较好基准性能，但训练数据以中国人群为主且部分模态仅用二维图像，基准性能不能等同于真实世界临床获益。
3.3 多模态AI：根据临床诊断信息组织融合而非模型结构
多模态AI的临床意义在于重构医师诊断所需的互补信息。眼底照相提供视网膜、黄斑、视盘和血管的表型信息；结构OCT提供横截面和三维组织信息，可显示视网膜内液、视网膜下液、玻璃膜疣、色素上皮脱离和萎缩；OCTA提供血流量和灌注信息，而眼底荧光血管造影（fundus fluorescein angiography, FFA）显示时间依赖性血管充盈、闭塞和渗漏，两者不应等同。视野检查反映青光眼等功能损伤，裂隙灯图像、角膜地形图和前节OCT提供眼表、角膜、晶状体和前房角信息。电子健康记录中的年龄、糖尿病病程、糖化血红蛋白、血压、用药史、实验室指标等信息提供全身风险因素和治疗背景。根据融合阶段，多模态模型可分为输入级早期融合、特征级中间融合和决策级晚期融合。青光眼研究为结构功能融合提供了代表性证据：Xiong等联合视盘周围OCT和视野，融合模型在主要测试集的受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUROC）为0.950，高于单独视野模型（0.868）和单独OCT模型（0.809）。Hsu等将13,410张眼底图像与电子健康记录信息结合，融合模型优于单独图像或单独非图像信息，但为单中心回顾性研究，应视为概念验证。OCT研究已从单B扫描进展到3D体积建模，OCTCube-M在26,605个3D OCT体积上预训练并整合红外眼底成像和眼底自发荧光正面图像，可用于视网膜疾病分类、跨模态检索和地图状萎缩生长预测，但证据主要来自回顾性数据集，不能确立为常规诊断系统。
3.4 生成式AI的任务边界与证据成熟度
生成式AI在眼科的应用应分为至少三类：数据增强、图像到图像转换或反事实生成、临床文本报告生成。生成对抗网络（generative adversarial network, GAN）和扩散模型可生成带有特定疾病标签或病灶分布的合成图像，以缓解类别不平衡、扩充罕见病样本或支持预训练，但图像视觉真实性并不能确立病灶标签、解剖关系或疾病谱分布的真实性。图像到图像转换包括去噪、超分辨率重建、跨模态转换和反事实图像生成。2025年一项扩散模型研究能够从眼底照片或OCT图像中添加或移除疾病相关特征，专家难以区分生成的眼底照片与真实照片，但合成OCT图像仍可被高于随机概率识别，因此作者将主要应用定位为临床培训、患者教育和模型解释，而非临床诊断。Shi等将彩色眼底照片转换为静脉期和晚期FFA图像，生成的血管造影信息改善了DR分类；Chen等从彩色眼底照片生成多期吲哚菁绿血管造影（indocyanine green angiography, ICGA）图像并改善AMD分类，但合成血管造影图像不应被视为直接采集血管造影的替代品。图像到文本模型可从眼底图像生成结构化描述或检查报告：InterpreFFA从多中心FFA数据生成报告，在模拟临床场景中将住院医师的诊断准确率从85.55%提高到90.34%，平均报告时间从153.93秒缩短至108.08秒，但AI单独生成报告的专业评分低于人工报告，罕见病错误描述有时误导诊断。通用多模态大语言模型在超广角眼底照片DR分级中的敏感性和总体准确率仍低于安全临床实施所需水平。总体而言，目前生成式AI在眼科的应用主要是受控数据集中的数据增强、图像转换、反事实可视化和辅助报告生成，图像真实性、自动评估指标或单中心阅片者研究不足以保证系统可独立支持临床决策。基于现有研究，眼科AI成熟度可分为三级：第一级是证据相对较强的DR筛查和特定多疾病辅助判读系统；第二级是基础模型、多模态融合、3D OCT建模和自动报告生成，虽有随机对照试验或模拟临床评估，但整体临床验证仍处于早期；第三级是通用多模态大语言模型独立诊断复杂眼病、基于文本生成图像直接决策支持和全自动多模态诊疗系统，应视为推测性未来可能性而非既定临床能力。
4 眼病诊断与AI应用
4.1 DR
DR是糖尿病常见微血管并发症，AI在DR筛查和分诊方面最为成熟。彩色眼底照相是DR AI筛查最具规模化的输入，OCT在怀疑糖尿病性黄斑水肿或黄斑结构受累时提供补充价值，OCTA可捕捉早期微血管异常，但在常规筛查中成熟度较低。Gulshan等利用EyePACS和Messidor-2数据集训练并验证了深度学习算法，显示检测可转诊DR的高敏感性/特异性。IDx-DR系统在初级保健环境中进行了前瞻性关键试验，以ETDRS严重程度量表和OCT评估为参考标准，对超过轻度DR的检测敏感性为87.2%、特异性为90.7%，该研究支持了FDA授权IDx-DR成为医学中首个自主AI诊断系统。EyeArt等系统也开展了前瞻性多中心关键评估。不同系统、阈值、人群和采集方案间性能差异显著，评价应包括图像可判读率、不可判读图像处理、转诊完成率、治疗接受度、成本效果和纵向结局。AI筛查的经济证据表明在某些环境下具有成本效果，但收益应理解为在闭环路径中嵌入AI可改善可及性和效率，而非普遍的“医疗倍增器”。
4.2 青光眼
青光眼诊断需整合视神经结构、视功能、眼压、前节发现、风险因素和纵向变化。AI在青光眼中可支持至少四类任务：基于眼底照片检测青光眼性视神经病变的机会性或人群筛查；估计可疑视盘或眼压升高对应真实青光眼损伤的概率；解释结构功能关系，如利用OCT衍生的视网膜神经纤维层或视盘特征预测视野损伤；预测疾病进展和未来视野丧失风险。OCT是青光眼AI最提供信息的模态，可定量测量视网膜神经纤维层、神经节细胞复合体、黄斑神经节细胞-内丛状层和视盘参数。眼底照相适合可扩展筛查，但受个体视盘变异、高度近视、倾斜视盘和介质混浊影响。视野检查反映功能损伤，但数据噪声大且受学习效应和疲劳影响。青光眼AI证据不如DR筛查成熟，多数研究为回顾性、基于数据集、聚焦诊断分类而非前瞻性临床结局，没有类似IDx-DR的自主青光眼系统。主要转化障碍包括诊断参考标准难以界定、结构功能不一致常见、高度近视和视盘解剖变异可导致误判、设备变异性、数据集偏倚和外部验证不足。近期更有意义的评价应包括早期疾病检出、确认进展预测、风险分组校准、转诊适当性、医生信任、患者依从性、治疗升级决策和长期视功能保存。青光眼AI近期最现实的角色是决策支持层，而非完全自主的诊断或治疗系统。
4.3 AMD
AMD AI主要关注可转诊AMD识别、区分早期/中期与晚期AMD、检测需及时处理的新生血管性AMD、抗血管内皮生长因子（anti-vascular endothelial growth factor, anti-VEGF）治疗期间的活动监测，以及估计早期/中期AMD向晚期进展的风险。眼底照相适合可扩展筛查和严重程度分级，OCT更适合检测渗出、视网膜内液、视网膜下液、色素上皮脱离和治疗活动性。De Fauw等使用3D OCT扫描开发了可检测威胁视力视网膜疾病并给出转诊建议的深度学习系统，其表现与专家相当。OCT-based AI在识别新生血管活动和量化视网膜液方面高度相关。AMD AI证据量较大但任务间不均匀：眼底照片研究在检测和分级方面有用，但许多模型依赖AREDS等精选队列，仍需真实世界前瞻性验证；OCT模型更接近临床可操作决策，但仍应作为决策支持工具。治疗监测方面，维也纳阅片中心等已应用自动OCT液体量化辅助anti-VEGF治疗的AMD评估。主要转化局限包括标签异质性（早期/中期/晚期/新生血管/地图状萎缩等定义不一致）、模态特异性失败模式、预测与临床可操作性之间的差距。未来应进行前瞻性多中心验证、标准化AMD参考标签、跨设备稳健性、亚组公平性和结局导向终点。
4.4 眼前段疾病、眼表疾病和眼肿瘤中的AI应用
这些领域的主要临床价值是有限的决策支持：白内障检测与分级、感染性角膜炎分流、干眼和睑板腺功能障碍量化、眼表病变记录和肿瘤可疑性或风险分层。白内障AI通常用于判断是否存在晶状体混浊、严重程度及是否需要转诊手术评估，但不能替代包含视力、症状、合并症和手术风险在内的完整决策。前节OCT-based AI可分割角膜、虹膜、巩膜突、前房和房角结构，提取生物测量参数，如Pham等开发的巩膜突定位和分割算法，但AS-OCT不能替代房角镜检查。角膜感染性角膜炎的AI可提供快速分诊和病原取向性怀疑，但管理仍依赖病史、接触镜使用、微生物学采样和治疗反应。眼表疾病方面，干眼是多因素疾病，TFOS DEWS III强调泪膜稳态、泪膜不稳定、高渗、炎症和神经感觉异常，单一影像标志物无法捕捉全部临床表现。AI在量化泪膜破裂模式、眼表染色和睑板腺形态方面有价值，如Saha等开发的睑板腺分割、meiboscore分类和反射校正方法，但输出需结合症状和泪膜检查。眼肿瘤证据较薄，相关决策包括是否紧急转诊肿瘤科、是否提示恶变、记录生长和估计转移风险。眼表肿瘤可通过裂隙灯图像和AS-OCT记录病变形态，但组织病理学或专科评估仍为核心。眼内肿瘤如葡萄膜黑色素瘤，基因表达谱可分层转移风险，但影像AI仍早期且受小数据集限制。这些领域的主要转化障碍包括图像采集变异性大、罕见病外部验证困难、以及高风险场景下假阴性后果严重。
5 临床部署路径与未来方向
未来眼科AI的临床实施需要从孤立诊断算法转向覆盖从图像采集到患者管理的整合临床决策支持系统。真实世界部署需包括标准化数据采集、图像质量控制、多模态数据整合、不确定性估计和持续性能监测。在初级保健和社区层面，AI可作为高效筛查分诊工具，如自主DR筛查系统已证明无需实时专家判读即可提供转诊决策，但需结合实时图像质量评估、不可判读图像检测和转诊路径。在二级和三级眼科中心，AI可提供复杂病例分诊、定量病变评估、治疗规划和纵向监测。多模态AI结合结构和功能信息显示优于单模态，纵向模型可预测疾病进展和治疗反应。临床转化的关键挑战是建立可信AI系统，传统指标不足以评估临床就绪度，应纳入外部验证、校准分析、亚组公平性、不确定性估计和系统错误审计。最终目标不是替代眼科医师，而是增强临床决策，提高诊断一致性、减少工作负担和实现个体化患者护理，并建立闭环临床生态系统。
6 医疗中的可信AI
可信AI应通过临床决策来讨论，而非作为独立的技术或伦理要求清单。DR筛查算法根据能否安全分离需要转诊与可常规随访的患者来判断；干眼评估模型量化体征，但只是症状驱动诊断的一部分；眼肿瘤预警系统漏诊恶性病变的后果严重。FUTURE-AI、CONSORT-AI、SPIRIT-AI、DECIDE-AI和TRIPOD + AI等指南强调公平性、普遍性、可追溯性、可用性、稳健性和可解释性，需要从设计到部署后监测全程考虑。
6.1 公平性
公平性关注部署后哪些人群更容易承受错误。即使系统总体安全性能可接受，错误分布仍可能不均衡。FairVision在2D眼底图像和3D OCT数据上评估公平性，显示即使模型总体性能较强，偏见仍可存在于种族、性别和族裔维度。眼科中因白内障、小瞳孔、注视偏差或低质量相机而被系统拒绝的眼底图像并非中性事件。更有用的公平性评估应追踪患者从图像采集到临床行动的完整路径：某些群体是否更易获得不可判读结果、不确定输出是否由医生复核、假阴性是否集中在随访可及性较差人群、阳性结果是否真正完成转诊。仅停留在模型级错误率的审计是不够的。
6.2 安全性
安全性包括临床安全和数据/系统安全。临床安全涉及漏诊、延迟转诊、不当安抚、不必要治疗或过度工作负担。假阴性后果因任务而异：漏诊可转诊DR可能延迟保眼治疗，低估早期青光眼可能延迟降眼压治疗，对感染性角膜炎或眼肿瘤患者给予虚假安心可能延误紧急处置。安全评价应聚焦低质量图像、低置信度预测、罕见表型、早期病灶、合并眼病和超适用人群等情况。数据安全方面，眼科AI涉及高分辨率图像、临床元数据及可能关联的全身疾病或遗传信息。去标识化必要但不充分。联邦学习、差分隐私、同态加密、安全多方计算等技术路径被探索，但无单一技术可替代数据治理、访问控制和可审计性。网络安全和模型完整性也至关重要，对抗性扰动、提示注入和模型篡改可能改变预测。可解释性技术如Grad-CAM、注意力可视化和反事实解释是辅助手段，但不能替代严格临床验证，解释必须结合不确定性估计和外部验证。
6.3 稳健性
稳健性指模型在临床环境变化后能否持续可靠。眼科图像受设备、采集流程、操作者和患者构成影响，单中心精心筛选的数据训练模型可能在内部测试集表现良好，但进入初级保健、移动筛查或另一医院系统后可靠性下降。DR筛查是典型例子：早期算法在精选数据集上报告较好表现，但真实世界程序中面临不同相机、不均匀图像质量、可变患病率和本地转诊路径。OCT基础模型研究通过不确定性分数标记模糊、非目标类别或低质量样本以提示人工复核，表明稳健的OCT AI不仅需要知道如何分类，还需要知道何时不应信任自己的输出。眼前段和眼表AI的稳健性更难建立，裂隙灯图像随照明、放大率、染色、注视方向、对焦和相机附件而变化。新基础模型如RETFound、EyeFound、UrFound和OCTCube-M旨在学习更通用的表征，但设备偏移、标签偏移、低图像质量和罕见表型仍可导致失败，因此仍需任务特异性外部验证、校准检查和前瞻性工作流评价。
7 未来展望：AI在眼科的新兴诊断地平线
7.1 AI生成的虚拟患者与数字孪生用于研究模拟
AI可从真实世界数据构建虚拟患者或个体水平数字孪生，提供低成本可重复的研究模拟环境。通过真实眼底图像、OCT、视功能、实验室结果、疾病阶段、治疗史和纵向随访数据，生成式AI和数字孪生模型可模拟具有不同年龄、风险特征、疾病严重程度和治疗反应的虚拟人群及其疾病轨迹。虚拟患者可支持早期假设检验、实验方案优化、样本量和入选标准探索及罕见或高风险场景模拟，减少无效实验的资源消耗。但AI生成患者只是现有数据学习的表示，受数据质量、人群代表性和模型假设限制，应作为预实验模拟和假设生成的补充工具，而非替代动物研究或前瞻性试验。
7.2 通过家用和便携式成像实现连续和分散化诊断
便携式眼底相机、智能手机成像、家庭视野测试、可穿戴设备和家庭OCT可能大大提高传统诊所之外的采集频率。智能手机眼成像已被探索为低成本的视网膜和前节评估方法，家庭OCT研究显示可在诊所外频繁获取视网膜结构测量，可能改变新生血管性AMD的治疗时机和个体化管理。便携成像与AI结合可实现连续疾病活动监测，自动图像质量评估、病变量化和变化检测可触发转诊或复评。但分散化诊断需要仔细验证设备校准、患者依从性、图像质量、警报阈值、假阳性负担和远程AI警报的临床责任。
7.3 AI驱动新影像生物标志物发现
AI可能改变哪些生物标志物被认为具有临床相关性。当前多数系统识别人类定义的特征如出血、玻璃膜疣、视网膜液或视盘杯盘比，但高维影像可能包含传统检查难以看到的微妙空间、血管、光谱或时间信息。3D OCT、OCTA、自适应成像和超光谱视网膜成像提供更丰富的组织表征，AI可从中发现新的生物标志物。
7.4 从眼部疾病扩展到全身健康：眼组学
视网膜提供神经组织和微血管的直接非侵入可视化。深度学习研究探索了眼底照片和OCT特征与心血管、代谢、神经和全身疾病关联。VisionFM是一个使用来自50余万个体共340万眼科图像开发的多模态眼科基础模型，可直接从眼图像预测全身生物标志物和某些全身疾病。但目前系统综述显示方法学异质性、偏倚风险和有限前瞻性证据限制了临床应用。更现实的角色是机会性风险分层：因一种适应证进行的眼科检查可同时识别需心血管、神经或代谢评估的模式。
7.5 从诊断算法到交互式临床副驾驶
未来眼科AI可能发展为整合图像、临床病史、既往检查和文本信息的交互式临床副驾驶。EyeFM的随机临床评估显示，受多模态视觉语言模型辅助的眼科医师在诊断和转诊准确性上优于常规诊疗。此类系统可支持鉴别诊断、识别模态间不一致发现、总结纵向变化、建议额外检查和生成结构化报告，同时保留眼科医师作为最终决策者。其价值不在于复制医师诊断，而在于管理日益增长的临床信息复杂性。临床副驾驶应沟通不确定性、区分证据与推断、识别适用范围外案例并允许医生审查推荐依据。
8 结论
AI正在逐步重塑眼科学，从特定任务图像分析走向多模态、纵向和临床整合的决策支持。当前证据在特定应用中显示明确的临床价值，尤其是DR筛查；其他眼病的辅助诊断、进展预测、治疗反应评估、基础模型和多模态系统处于不同临床验证阶段。重要的是，回顾性或精选数据集上的高性能不应等同于临床就绪。成功转化需要稳健的外部及前瞻性验证、可靠的不确定性及离分布处理、对公平性、安全性、可解释性、隐私和人工监督的持续关注。未来家用便携成像、AI驱动生物标志物发现、眼组学、虚拟患者与数字孪生、交互式临床副驾驶可能进一步扩展AI从疾病检测到连续监测、个性化风险预测、研究模拟和整合临床智能的作用。AI最有意义的角色是增强临床专业能力，而非替代眼科医师，通过提高诊断一致性、减少信息处理负担和实现更可及、更个体化的眼保健。眼科AI的未来不仅取决于更强模型，更取决于这些系统能否在真实世界患者护理中展示可重复、临床可操作且值得信赖的获益。
