专家表示，人工智能（AI）即将变革年龄相关性黄斑变性（AMD）在医疗诊室及家庭环境中的诊断、监测和治疗方式。
英国南安普顿大学眼科专家安德鲁·洛特里医学博士向《今日医学》表示："深度学习模型可分析视网膜图像，检测AMD早期征兆、预测进展至晚期阶段甚至预估治疗响应。AI还通过家庭光学相干断层扫描（OCT）平台支持远程监测，改善医疗可及性与连续性。"不过洛特里同时强调AI存在显著局限，目前仍处于临床应用探索阶段。
AI与AMD诊断：工具仍有局限
洛特里指出，AI算法现已能高精度分析眼底摄影成像，区分非新生血管性"干性"与新生血管性"湿性"AMD，"表现常达到或超越专家水准"。但犹他大学医学院数字健康研究员亚当·杜比斯博士表示："专用于AMD亚型诊断的完全自主监管批准AI工具仍有限，临床判断仍居核心地位。"斯坦福大学医学院眼科专家西奥多·伦格医学博士坦言日常诊断中不常规使用AI："凭借临床知识我们通常能快速判定AMD类型。"但他预测非视网膜专科场所的AMD筛查算法将获批准，例如在验光机构、初级诊所或药店健康筛查点拍摄眼底照片，即可识别AMD存在与否及类型，并建议是否需专科随访。
AI与AMD疾病监测：潜力巨大
杜比斯称，AI工具可通过OCT和眼底自发荧光技术评估疾病进展，尤其适用于非新生血管性AMD，实现"高灵敏度、一致性追踪"。近期研究显示自动化AI程序在预测地图样萎缩（GA）进展速度方面优于眼科医生。杜比斯创立的德国公司开发了AI算法，可建议湿性AMD治疗间隔及年度注射需求。据该公司数据，当算法建议与眼科医生方案不同时，临床医生有逾半数选择采纳该建议。欧洲监管机构已批准该算法。伦格指出预测性AI应用"有助于讨论启动补体抑制治疗及监测疗效"，例如治疗期间预测的GA生长面积缩小，既能增强医生对疗效的信心，也能激励患者坚持接受频繁注射治疗。
AI与AMD治疗预测：仍在开发中
伦格期待AI能基于临床史、人口统计学及影像检测等输入数据，预测患者对不同抗血管内皮生长因子（VEGF）药物的响应，"虽尚未实现，但指日可待"。杜比斯坦言："尽管预测算法已获专利并处于开发阶段，但当前尚无经验证且获全面批准的响应预测系统。现有工具可估算治疗负担或次优响应概率，但广泛监管认可及前瞻性验证仍在进行。"
AI与家庭OCT技术：现已应用
约翰霍普金斯大学威尔默眼科研究所眼科专家阿尔文·刘医学博士表示，便携式AI-OCT技术已助力AMD患者居家监测病情。当患者使用药物暂时逆转湿性AMD时，AI可分析OCT图像判定是否向湿性进展，"一旦由干性转湿性，系统将立即通知医生"。这能减少患者随访次数，但保险公司尚未承保OCT监测费用，患者需自费订阅服务。2024年研究报告指出，家庭OCT技术"在疗效验证、现实应用及财务可行性方面仍存疑问"，但"有望解决视网膜诊疗中的出行负担、治疗障碍等问题，并提升精准度"。另有研究显示家庭OCT可使患者年均成本降低3200美元——全美年节约潜力达35亿美元。
AI应用起步：局限与成本考量
洛特里警示眼科AI应用存在局限："模型在代表性不足人群中可能表现欠佳，特定数据集训练的AI难以跨临床场景迁移，深度学习的'黑箱'特性使决策过程不透明。"他建议眼科医生采用获FDA或欧洲批准的模型，并评估其数据质量、临床整合度及偏差缓解措施。关于成本，他指出"部分AI工具嵌入现有成像平台，部分需独立系统"，但AI可通过"提升诊断效率、减少不必要治疗、优化门诊流程"实现成本节约。
眼科医生是否需担忧AI？
杜比斯认为人类在视觉健康领域仍不可或缺："医生在患者诊疗中始终居核心地位。"尽管AI能识别眼疾模式，"但对罕见或非典型病例的识别能力较弱——医学中这些特例往往最需临床关注"。他强调"医生具备共情、直觉及情感理解等人类特质，远超当前计算机能力范畴"。
【全文结束】
