图片

青光眼是导致失明的主要原因之一，且常被漏诊。《柳叶刀-初级保健》（The Lancet Primary Care）发表的一项研究表明，一种基于人工智能的新型筛查工具可将不必要的青光眼转诊数量减少一半，同时保持了与眼科医生诊断相近的准确度。研究结果表明，在初级卫生保健中采用AI筛查具有成本效益，并且可以减少不必要的专家转诊。AI技术可提升筛查效率与检出率，实现早期治疗，从而预防可避免的失明。识别文中二维码或点击文末阅读原文，查阅原文。


《柳叶刀-初级保健》（The Lancet Primary Care）发表的一项研究表明，一种基于人工智能（artificial intelligence, AI）的新型筛查工具可将不必要的青光眼转诊数量减少一半，同时保持了与眼科医生诊断相近的准确度。


青光眼是全球不可逆性失明的首要病因，且在视力严重受损前往往难以被诊断。长期以来，大规模人群筛查被认为不具备可行性，但AI的最新进展或将提供更可实施的解决方案。


该研究于2023年在葡萄牙里斯本的一个筛查中心开展，通过AI工具分析眼部影像对671名55至65岁成年人进行青光眼筛查。这些影像同时由六位青光眼专家进行独立读片分级。AI工具转诊66人（9.8%），而眼科医生转诊118人（18.0%），最终确诊青光眼的参与者为40人（6.4%）。研究发现，该AI工具正确识别出了78%的真实青光眼患者（眼科医生为75%），并正确排除了95%未患病者（眼科医生为91%）。作者表示，该工具在排除非青光眼患者时的高准确性尤为重要，因为误报不仅会导致不必要的就诊、加重患者焦虑，还将增加医疗卫生系统负担。 


作者指出，基于AI的筛查技术能够支持疾病的早期发现，减少不必要的专科转诊，并有助于预防可避免的视力丧失，同时还能以符合成本效益的方式整合到常规初级卫生保健体系中。但作者强调，由于该研究是在现有糖尿病眼部筛查项目框架下开展的，较高比例的参与者患有糖尿病，因此观察到的青光眼比例可能无法反映普通人群的实际情况。


初级卫生保健中基于人工智能的青光眼筛查：一项正在进行试验的横断面研究及经济可行性分析


背景

青光眼是导致失明的主要原因之一，且常被漏诊。得益于新型AI技术，大规模人群筛查如今可能成为现实。本研究旨在评估基于AI的青光眼筛查在公立初级卫生保健体系中是否具有临床和经济可行性。


方法

本项横断面研究及经济学分析是正在进行的葡萄牙青光眼筛查试验（Glaucoma POST；NCT05875090）的一部分。在这项子研究中，我们使用了葡萄牙里斯本一个初级卫生保健筛查中心的个体参与者基线数据。研究人员从初级卫生保健筛查登记册中随机抽取55-65岁参与者（含糖尿病患者与非糖尿病患者），并通过现有糖尿病视网膜病变诊疗体系邀请其接受青光眼筛查（即眼底照相与眼压测量）。排除标准为存在妨碍参与的合并症（如双目失明或严重行动障碍）。通过AI算法（MONA-GLC）分析眼底影像并生成青光眼风险评分。当AI结果呈阳性或眼压≥24mm Hg时，将参与者转诊至医院接受专科评估。这些影像同时由六位青光眼专家进行独立分级。被转诊参与者接受视野检查；使用改编自塞萨洛尼基眼科研究（Thessaloniki Eye Study）的标准诊断青光眼。本研究评估在真实世界初级卫生保健环境中，将基于AI的青光眼筛查整合至现有糖尿病视网膜病变筛查项目的可行性、诊断效能及十年期成本效益。我们将基于AI的筛查与标准诊疗方案（即患者从基层医疗机构转诊至医院眼科医生处，并根据情况转诊至青光眼专科医生）进行了比较。


结果

筛查与招募工作于2023年3月1日至12月31日期间完成。在1038名受邀者中，671人（65%）参加了筛查。排除42名未完成视野检查的参与者后，共629人被纳入性能和患病率分析。在这629名参与者中，40名参与者（6% [95% CI：5%-9%]）被诊断为青光眼。在参加筛查的671人中，AI算法转诊66名（10%）参与者，而经专家评估转诊118名（18%）。AI算法灵敏度为78%（95% CI：62%-89%），特异度为95%（93%-97%）。在一个只需最低限度员工培训的环境下，在青光眼患病率为1%时，AI筛查的增量成本效益比为每质量调整寿命年1725欧元（在以每质量调整生命年20000欧元为阈值的条件下，具有成本效益的概率为76.3%）；当患病率达到2%或更高时，该筛查策略可节约成本。


解释

研究结果表明，在初级卫生保健中采用AI筛查具有成本效益，并且可以减少不必要的专家转诊，尽管单次筛查可能无法发现所有病例。AI技术可提升筛查效率与检出率，实现早期治疗，从而预防可避免的失明。END


Funding

None.

Declaration of interests

IS is cofounder, shareholder, and a consultant of Mona.Health, a KU Leuven and VITO spin-off to which the described AI model was transferred. IS reports grant or research support from Bausch + Lomb, Heidelberg, Santen, and Théa; participation in clinical trials sponsored by Omikron, Santen, and Théa; and honoraria or consulting fees from AbbVie, Bausch + Lomb, Omikron, Roche, Santen, and Théa. RH reports consulting fees and stock or stock options in Mona.Health. The investigators received an unrestricted, in-kind research licence to the MONA-GLC model for the conduct of this study. FF reports stock or stock options in Novartis and Bayer. MP reports grants from Carl Zeiss Meditec; consulting fees from AbbVie and Santen; honoraria for lectures or educational activities from AbbVie, Glaukos, Théa, Santen, and Alcon; travel support from AbbVie and Théa; and leadership or fiduciary roles with the European Glaucoma Society and the European Medicines Agency. AM reports grants from OphtaFrance, SamSara, and Bausch + Lomb; consulting fees from Glaukos, Alcon, Horus, AbbVie, Théa, Santen, CureCall, and Bausch + Lomb; and honoraria from Glaukos, Horus, AbbVie, Théa, iCare, Santen, Alcon, Bausch + Lomb, and MTS. SLem reports honoraria from Théa and Horus Pharma and participation on a data safety monitoring or advisory board for Chiesi. LAP reports consulting fees from Santen, NIDEK, Alcon, and Théa and participation on a data safety monitoring or advisory board for Santen. All other authors declare no competing interests.



题图 Copyright © ferrinatrite/GettyImages

中文翻译仅供参考，所有内容以英文原文为准。

DOI: 10.1016/j.lanprc.2026.100107 


推荐阅读


柳叶刀 | AI听诊器有望改善心血管疾病的诊断

柳叶刀 | AI辅助乳腺钼靶X线筛查可降低乳腺癌漏诊率

柳叶刀-数字医疗 | 4%被病理医生遗漏的淋巴结转移，或可被AI模型PanCAM检出


点击阅读原文，查阅论文原文

关注柳叶刀服务号，探索更多科研服务！