随着人工智能（AI）技术的飞速发展，其在医疗领域的应用越来越广泛，尤其是在眼科手术中。10月17日，来自知名眼科研究机构俄勒冈健康与科学大学 Casey Eye Institute与梅奥诊所等研究团队联合在「Clinical Ophthalmology」发布了一篇综述研究「Applications of Artificial Intelligence in Cataract Surgery: A Review」。为我们揭示了AI在白内障手术中的多种应用，从术前、术中到术后的各个阶段，AI技术都展现出了其巨大的潜力和价值。
![]()
01 术前
精准计算，提高诊断准确性
在白内障手术前，AI技术的应用主要集中在两个方面：一是利用深度学习（DL）技术辅助计算人工晶状体的度数，以提高术后屈光准确性；二是通过分析裂隙灯显微镜和视网膜成像，辅助诊断白内障。这些应用不仅提高了手术的精准性，还为医生提供了更多的诊断信息，从而为患者提供更个性化的治疗方案。
02 术中
智能手术室，提升手术安全性
在手术过程中，AI技术的应用更是多样化。AI可以通过实时多模态成像数据分析、手术流程跟踪、智能仪器控制等方式，提高手术的安全性和效率。例如，通过AI分析手术过程中的力反馈，可以减少手术中的并发症风险。此外，AI在手术培训中的应用，也为年轻医生提供了宝贵的学习和提高的机会。
03 术后
优化患者护理，预测并发症
术后，AI技术的应用则体现在优化患者的护理和并发症的预测上。AI系统可以自动安排术后随访，通过分析手术录像来预测可能的并发症，如后囊浑浊和人工晶状体移位。这些应用不仅提高了患者护理的质量，也为医生提供了更多的时间来关注患者的整体健康。
![]()
04 挑战与未来方向
尽管AI在白内障手术中的应用前景广阔，但目前仍面临一些挑战：
数据集的可用性有限：目前只有两个公开的白内障手术数据集可供研究人员使用，这限制了AI算法的开发和测试。此外，这些数据集主要包含超声乳化数据，对于其他类型的白内障手术，如手法小切口囊外白内障摘除术（MSICS），其数据在数据集中的代表性不足。
深度学习（DL）分析指标的标准化缺失：不同研究中报告的分析指标缺乏一致性，这使得比较不同AI算法的性能变得困难。研究人员建议未来研究中应采用标准化的指标，如接收者操作特征曲线（ROC）、精确度、召回率、准确性、敏感性和特异性等，以便于算法间的比较和现有DL框架的改进。
AI机制的泛化能力不足：泛化能力是指机器学习模型或人工智能系统在处理未见过的数据时，能够准确预测或决策的能力。换句话说，就是模型对于新数据的适应能力。当研究人员尝试将一个数据集上训练好的AI模型应用于新的数据集时，发现模型的泛化能力不足，尤其是在视觉质量较低的新数据集上。这表明未来研究需要开发更具泛化能力的AI机制，以扩展AI在眼科手术中的临床应用。
未来的研究需要克服这些障碍，以实现AI在白内障手术中的更广泛应用。
该研究为我们展示了AI在白内障手术中的全方位应用，让我们对AI在眼科领域的未来充满了期待。随着AI技术的不断进步，我们有理由相信，AI将在白内障手术中发挥更大的作用，从筛查、手术到术后护理，AI都将为患者提供更高效、更安全、更个性化的医疗服务。未来，AI无疑将成为眼科医生的得力助手，为患者带来更光明的视界。
Ahuja AS, Paredes Iii AA, Eisel MLS, Kodwani S, Wagner IV, Miller DD, Dorairaj S. Applications of Artificial Intelligence in Cataract Surgery: A Review. Clin Ophthalmol. 2024 Oct 17;18:2969-2975. doi: 10.2147/OPTH.S489054. PMID: 39434720; PMCID: PMC11492897.
