Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie · 2026-11-14 · 综述
- 一句话结论:结论:AI模型在视网膜脱离诊断中总体诊断性能良好,合并敏感度0.93、特异度0.98,但外部验证与真实世界应用证据有限,证据档位为B。
- 研究设计与做法:设计:系统综述与荟萃分析,检索PubMed、Scopus、CENTRAL、ClinicalTrials.gov、WHO ICTRP与Google Scholar(2026年4月),纳入66项研究,其中31项含118,432张图像进入荟萃分析;采用双变量随机效应模型合并敏感度与特异度,QUADAS-2与CLAIM评估质量。
- 主要结果:主要结果:合并敏感度0.93(95% CI 0.89–0.95),特异度0.98(95% CI 0.96–0.99),模型PPV 0.86(95% CI 0.71–0.94)、NPV 0.99(95% CI 0.97–1.00),SROC的AUC 0.982、标准化pAUC 0.964,合并DOR 642.3(95% CI 264.5–1559.7);未检出显著发表偏倚(P=0.544)。
- 机制或解释:机制:作者未讨论具体算法机制,主要按成像模态(以眼底照相最常用)与深度学习为主进行亚组分析;未讨论。
- 局限与边界:局限:研究间异质性中等;外部验证与真实世界临床实施证据有限;摘要信息在真实世界部分被截断;材料未报告随访时长与利益冲突。
- 可否落地:落地:证据支持AI模型在视网膜脱离检测中具有较高判别能力,可作为筛查辅助的候选工具;但外部验证不足,向临床推广尚不足以下结论,需前瞻性多中心验证。
🔗 打开原文
Mitsopoulou D, Georgalas I, Katsimpris A 等
本文摘自《每日前沿研究简报 · 2026-11-16》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

发表评论 取消回复