人工智能(artificial intelligence，AI)在眼科领域的应用不断深入、拓展，目前在糖尿病性视网膜病变、白内障、青光眼以及早产儿视网膜病变在内的多种常见眼病的诊疗中逐渐成为研究热点。AI使医疗资源短缺、诊断标准缺乏、诊疗技术水平低下的现状得到改善，为白内障的诊疗开辟了一条“新赛道”。本文旨在综述AI在白内障诊疗中的应用现状、进展及局限性，为AI在白内障领域的进一步开发、应用及推广提供更多信息。
目的：建立和验证一个涉及多级临床场景的白内障协作通用的人工智能(artificial intelligence,AI)管理平台，探索基于AI的医疗转诊模式，以提高协作效率和资源覆盖率。方法：训练和验证的数据集来自中国AI医学联盟，涵盖多级医疗机构和采集模式。使用三步策略对数据集进行标记: 1)识别采集模式；2)白内障诊断包括正常晶体眼、白内障眼或白内障术后眼；3)从病因和严重程度检测需转诊的白内障患者。此外，将白内障AI系统与真实世界中的居家自我监测、初级医疗保健机构和专科医院等多级转诊模式相结合。结果：通用AI平台和多级协作模式在三步任务中表现出可靠的诊断性能: 1)识别采集模式的受试者操作特征(receiver operating characteristic curve,ROC)曲线下面积(area under the curve,AUC)为99.28%~99.71%)；2)白内障诊断对正常晶体眼、白内障或术后眼，在散瞳-裂隙灯模式下的AUC分别为99.82%、99.96%和99.93%，其他采集模式的AUC均 > 99%；3)需转诊白内障的检测(在所有测试中AUC >91%)。在真实世界的三级转诊模式中，该系统建议30.3%的人转诊，与传统模式相比，眼科医生与人群服务比率大幅提高了10.2倍。结论：通用AI平台和多级协作模式显示了准确的白内障诊断性能和有效的白内障转诊服务。建议AI的医疗转诊模式扩展应用到其他常见疾病和资源密集型情景当中。
近年来，使用人工智能(artificial intelligence，AI)技术对临床大数据及图像进行分析，对疾病做出智能诊断、预测并提出诊疗决策，AI正逐步成为辅助临床及科研的先进技术。生物样本库作为收集临床信息和样本供科研使用的平台，是临床与科研的桥梁，也是临床信息与科研数据的集成平台。影响生物样本库使用效率及合理共享的因素有信息化建设水平不均衡、获取的临床及检验信息不完全、各库之间信息不对称等。本文对AI和区块链技术在生物样本库建设中的具体应用场景进行探讨，展望大数据时代智能生物样本库信息化建设的核心方向。
当下，我国眼科的发展存在失衡现象，大城市与农村及偏远地区在眼科相关诊疗设施水平、诊疗技术等方面存在巨大差异，仍需探寻新的智能诊疗模式以解决失衡问题。由于眼球是唯一可以直接观察人体血管和神经的器官，眼部可反映其他脏器的健康状态，部分眼科检查的医学图像可对眼部疾病做出诊断等特点，眼科开展人工智能(artificial intelligence，AI)具有独到的优势。此外，人工智能可在一定程度上提高跨时间空间传递信息的精准度及效率。人工智能在眼科及远程信息传递的优势为解决眼科发展失衡状况提供了助力。本文从眼科人工智能在眼科远程医疗相关应用的角度，主要分析并总结当下我国人工智能在眼科相关疾病远程医疗中的发展程度、所具优势以及存在问题，并讨论眼科人工智能在远程医疗的应用展望。
目的：借助于人工智能(artificial intelligence,AI)眼底筛查远程接转诊系统，探索“患者-社区-医院”远程筛查模式，推进眼科分级诊疗和双向转诊实施，为地市级医疗机构开展眼底疾病人工智能筛查工作提供一定的经验借鉴。方法：通过AI辅助远程筛查基层医疗机构的4886例患者，完成眼科检查并经AI初判、人工复核形成眼底诊断结论。通过医联体和专科联盟模式，对基层医疗机构的4886例患者的AI诊断系统结果和上级医师审核结果进行对照分析，分析AI诊断系统在眼科常见病种筛查中的推广应用的可信度和可行性。结果：AI检出DR的灵敏度为94.70%，特异度96.06%；DME的灵敏度96.43%，特异度96.55%；AMD的灵敏度77.55%，特异度95.74%；同时，其在病理性近视、白内障、青光眼等常见病种眼底筛查中也有一定作用。结论：AI辅助远程筛查系统对于绝大多数眼底疾病有较高的敏感性和特异性，适用于眼底疾病的筛查工作，利于基层医院或社区医院对于眼底疾病的初步诊断，落实眼科分级诊疗，有借鉴推广意义。
目的：分析眼科护理对人工智能技术应用的内在需求，为眼科医院临床的人工智能技术开发及应用提供导向与依据。方法：采用整群抽样和单纯随机抽样相结合的方法，于2019年7月至2019年8月，对抽取的中山大学中山眼科中心，中山大学附属第一医院、珠海市人民医院、无锡人民医院、新疆维吾尔族自治区人民医院等目标医院其中的眼科护理人员进行问卷调查，内容包括一般资料及人工智能需求等。结果：调查对象绝大部分来自三级甲等医院(89.2%)，以华南地区为主(87.2%)，人工智能在眼科临床护理应用的需求多种多样，其中以健康教育、接诊与分诊、患者回访领域需求最强烈，分别占比95.7%、93.5%、93.2%。结论：人工智能在眼科临床护理应用有较强及多样化的需求，应结合实际需求为导向，重点推进人工智能在眼科患者健康教育等相关应用的研发。
近视是危害儿童青少年视力最常见的眼部疾病，高度近视对视功能造成极大的威胁。近年来，我国近视发病率逐年升高，对近视筛查与防控的需求也不断增加，随着人工智能理论与技术的不断发展与成熟，可以辅助眼科医生进行近视筛查、诊断与治疗。本文将简要介绍人工智能在近视的筛查、预测、检测、病理性近视以及角膜屈光手术中的应用，浅谈了目前人工智能在研究中存在的可比度较低、影像要求较高、可解释性较低及隐私保护等问题，并展望人工智能在近视相关领域的应用前景。
目的：通过分析基于眼底彩照的人工智能（artificial intelligence,AI）在糖尿病视神经病变（diabetic optic neuropathy,DON）中的参数特征，探索AI在DON诊断中的应用价值。
方法：收集2020年1月1日至2022年4月30日就诊于东莞东华医院、横沥医院及东莞市寮步镇社区卫生服务中心并诊断为糖尿病的患者，采集其一般信息并拍摄以黄斑为中心、图片边缘距离视盘中心超过1PD的50°眼底彩照。眼底彩照由人工智能诊断系统分析获得视盘及血管检测参数，由3-4名眼底专家阅片后分为DON(+)、DON(-)两组并作糖尿病视网膜病变（diabetic retinopathy,DR）分期诊断。比较两组间视盘、血管检测参数的差异性，并分析各项参数以及DR分期与DON发病的相关性。
结果：研究共纳入糖尿病患者526人（945眼），其中男性335人，女性191人；平均年龄为51.58±12.21岁，平均病程为5.51±5.20年。所有入组病例中，DON(+)组205眼，DON(-)740眼；根据专科医师判读结果，无DR 723眼，轻度非增殖期糖尿病视网膜病变（non-proliferrative diabetic retinopathy,NPDR）7眼，中度NPDR 184眼，重度NPDR 24眼，增殖期糖尿病视网膜病变（proliferrative diabetic retinopathy,PDR）7眼。AI检测的视盘及血管参数中，水平视杯直径、垂直视杯直径、水平杯盘比、垂直杯盘比、B区视网膜静脉血管当量、B区视网膜动静脉比值在有或无DON组间存在显著差异；水平视盘直径、垂直视盘直径、弧形斑和视盘面积比、B区视网膜动脉当量在两组之间无显著差异。相关性分析发现，水平视杯直径、垂直视杯直径、水平杯盘比、垂直杯盘比、B区视网膜动静脉比值与DON患病呈负相关；B区视网膜静脉血管当量、DR分期则与其呈正相关。
结论：DON患者的视杯直径、杯盘比、B区视网膜静脉血管当量等基于眼底彩照的人工智能检测参数有显著改变；DON的发病与DR病变严重程度有关。
目的：探索智能语音随访系统在医疗场景中的新型应用服务模式并分析其在新冠肺炎疫情期间的应用效果，以此评估该系统应用于互联网医院开展医疗咨询服务的实际效能。方法：本研究应用智能语音随访系统针对先天性白内障患儿术后的常见问题进行回访。首先，针对随访目的，设计出完善的结构化随访内容与步骤。其次，部署智能外呼系统自动拨打用户电话，并通过语音识别技术对用户的每次应答进行识别，根据用户的应答自动跳转到下一个随访步骤，在完成一系列问答后根据用户的回答给出恰当的建议，实现电话随访的自动化与智能化。收集2020年2月24日至2月28日期间，智能语音随访系统随访的电话内容、呼叫时间、患儿资料等数据，采用描述性统计分析。结果：2020年2月24日至2月28日期间，中山大学中山眼科中心应用智能语音随访系统电话共随访1154例，其中收到有效回访数据561例，平均有效回访率48.6%。有效回访人群中，有204位(36.4%)家属认为疫情期间复诊时间延长，对宝宝眼睛的恢复有影响，309位(55.1%)家属认为对宝宝眼睛的恢复没有影响。360位(64.2%)先天性白内障患儿眼睛恢复情况良好，没有出现不良反应，169位(30.1%)患儿出现不良反应和体征，包括瞳孔区有白点，眼睛发红和有眼屎流眼泪等。统计患儿不同行为显示，有417位(74.3%)患儿佩戴眼镜，135位(24.1%)患儿没有佩戴眼镜，另有9位(1.6%)患儿佩戴眼镜情况不清楚，经常揉眼的患儿更容易出现眼睛发红(20.4%)、眼睛有眼屎或流眼泪(17.0%)和瞳孔区有白点(6.8%)等不良反应。结论：智能语音随访系统在临床随访中显示出巨大的应用潜力，可作为一种新型的智能医疗服务模式。
目的：评估白内障人工智能辅助诊断系统在社区筛查中的应用效果。方法：采用前瞻性观察性研究方法对白内障人工辅助诊断系统的应用效果进行分析，结合远程医疗的模式，由社区卫生人员对居民进行病史采集、视力检查和裂隙灯眼前节检查等，将数据上传至云平台，由白内障人工智能辅助诊断系统和人类医生依次进行白内障评估。结果：受检人群中男性所占比例为35.7%，年龄中位数为66岁，裂隙灯眼前节照片有98.7%的图像质量合格。该白内障人工智能辅助诊断系统在外部验证集中检出重度白内障的曲线下面积为0.915。在人类医生建议转诊的病例中，有80.3%也由人工智能系统给出了相同的建议。结论：该白内障人工智能辅助诊断系统在白内障社区筛查的应用中具有较好的可行性和准确性，为开展社区筛查疾病提供了参考依据。
