伦敦大学学院和莫菲尔德眼科医院的Shafi Balal团队近期在哥本哈根欧洲白内障和屈光手术学会大会上公布的研究显示，一种人工智能算法可通过临床数据与角膜影像的联合分析，实现圆锥角膜进展风险的精准分层，总体准确率超90%。
该回顾性研究采用递归神经网络架构，整合前节光学相干断层扫描（OCT）和Placido盘地形图等检查数据，结果显示：模型在第二就诊时的数据预测效能达AUC 0.93（95% CI 0.91-0.96），灵敏度73%、特异度96%。Balal强调，这一算法能将90%的患者正确划分为低危/高危组别，其中高危患者两年内病变恶化概率超90%，低危组则不足10%。
作为西方国家角膜移植首要病因的圆锥角膜，影响约1/350劳动人口。当前诊疗模式要求所有患者接受数年高频次专科随访，但仅有20%最终需接受角膜交联术。"通过AI分层，80%低危患者可转为社区自动化虚拟监测，显著节约医疗资源。"Balal指出，传统基于角膜曲率和厚度的单参数评估（4-12月间隔）存在滞后性，而AI能在初诊数据中识别67%低危病例，复诊时提升至80%。
研究纳入2019-2023年期间莫菲尔德眼科医院3,893例内部验证数据和519例外部验证数据，平均随访周期6个月以上。值得注意的是，外部验证队列独立于算法训练过程，验证了模型的潜在应用价值。但研究者谨慎指出，该模型尚需前瞻性验证和监管审批，当前主要价值在于提供可复用的AI架构框架。
美国迈阿密大学巴斯科姆·帕尔默眼科研究所Rahul Tonk评价指出："多模态数据整合验证了临床直觉，但需验证该模型对全球不同人群的普适性。"研究团队已启动基于150万张角膜影像的通用模型训练，未来将开放非商业用途的AI基础架构。
【全文结束】
