一项发表在《欧洲眼科杂志》的前瞻性研究表明，一款完全在智能手机眼底相机上离线运行的多疾病AI系统，在真实世界队列中能够高精度识别糖尿病视网膜病变、青光眼和年龄相关性黄斑变性¹。
印度浦那国家眼科研究所的研究人员评估了Medios-AI（MAI）算法，这是一种嵌入手持式眼底相机的深度学习系统，可在床旁生成疾病特异性报告。此类平台的优势在于无需云连接，解决了AI筛查工具在资源匮乏环境中应用的主要障碍——而这些环境正是视网膜疾病常被忽视直至视力丧失的地方。
单张图像，三种疾病
对整合筛查的兴趣反映了该领域的更广泛转变，AI在视网膜成像领域进展最快，并越来越多地被视为将专家级评估扩展到初级保健和社区环境的一种方式²。然而，大多数经过验证的自主工具仅针对单一疾病——通常是糖尿病视网膜病变。MAI研究测试了同一套眼底照片中，一种算法能否筛查三种导致不可逆视力丧失的主要病因。
在这一前瞻性横断面研究中，2024年5月至12月期间，193名年龄在18岁或以上的成年人（371只眼睛）被纳入研究，他们患有糖尿病视网膜病变、青光眼、年龄相关性黄斑变性或正常眼底。使用Remidio Fundus on Phone和Zeiss Clarus 500相机获取散瞳眼底图像，排除不可分级的图像。然后将离线算法的疾病特异性报告与两名受过专科培训的眼科医生对Clarus图像的盲法分级进行比较，后者作为参考标准。在模棱两可的情况下，AI报告默认为"糖尿病视网膜病变或年龄相关性黄斑变性"的综合诊断。
总体准确性高，但各疾病表现有差异
对于检测任何视网膜疾病，MAI的敏感性达到99.3%（95% CI，96-100），特异性为95.7%（95% CI，92-98），AUROC为0.99。不同疾病的检测表现各异。青光眼筛查（n=109）表现最为突出，敏感性98.2%，特异性99.0%，AUROC为0.99。对于年龄相关性黄斑变性（n=56），敏感性为88.9%，特异性97.5%（AUROC，0.93），而糖尿病视网膜病变（n=78）的敏感性为84.6%，特异性99.0%（AUROC，0.92）。
鉴于历史上AI更容易转化为糖尿病视网膜病变诊断，而非青光眼诊断（青光眼诊断依赖于结构和功能发现的综合判断，而非单一的基于图像的特征），这一青光眼结果尤为引人注目³。在此研究中，算法与人工分级者在垂直杯盘比上的结果落在-0.1至+0.1的窄幅范围内，组内相关系数为0.97（所有比较的P值均<0.001）。相比之下，糖尿病视网膜病变敏感性相对较低，引发了实际应用中可能遗漏多少早期或细微病例的疑问。
在临床实践中的应用前景
研究人员总结指出，MAI在离线智能手机平台上对所有三种疾病均展现出显著的诊断准确性，支持其在资源有限环境中用于可扩展的床旁视网膜筛查。这一结论与眼科领域日益增多的真实世界AI验证工作相一致，包括最近有报道称基于算法的糖尿病视网膜病变筛查可匹敌甚至超越传统远程医疗分级¹。
但研究结果也受到若干因素的限制：样本量适中且来自单一机构；研究设计为横断面而非纵向；不可分级图像被排除在分析之外——这些正是实际项目必须直接面对的问题。糖尿病视网膜病变和年龄相关性黄斑变性的较低敏感性也表明，一个优化为广泛检测"任何疾病"的工具，在临床问题为特定的威胁视力的诊断时，可能表现不同。
然而，无需连接网络即可在单次捕获中对三种致盲疾病进行分类的设备前景，满足了实际需求。随着AI筛查从概念验证继续向常规部署推进，那些在医疗系统边缘运行的多疾病平台——即未确诊疾病负担最重的区域——可能成为最具影响力的临床应用之一。
参考文献
Kelkar A, Kelkar J, Garg Y, Jain HH, Sengupta S. 基于智能手机的离线AI用于多疾病视网膜筛查：真实世界准确性。《欧洲眼科杂志》。2026年6月24日在线发布。doi:10.1177/11206721261462321
Charters L. 人工智能如何重塑2025年及以后的眼科学。《眼科时报》。2025年12月23日。
Stevenson S. 青光眼2026：哪些新兴技术将改变临床实践？《眼科时报》。2025年12月26日。
Charters L. 增强糖尿病视网膜病变检测的AI系统真实世界研究。《眼科时报欧洲版》。2025年4月7日。
【全文结束】