一种用于纵向AMD随访的多模态工具增强代理,支持基于证据的临床决策辅助
研究开发了AMDagent,一种基于证据的临床代理,结合定量影像分析和指南检索,生成结构化的临床决策支持输出。在20个病例的初步评估中,92.0%的决策支持单元被专家评定为临床适宜,83.3%的重大临床声明得到了工具衍生的定量测量或检索指南证据的支持。
推荐理由:介绍了基于证据的多模态辅助决策支持系统,有助于提高AMD管理的透明度和可审计性。
研究开发了AMDagent,一种基于证据的临床代理,结合定量影像分析和指南检索,生成结构化的临床决策支持输出。在20个病例的初步评估中,92.0%的决策支持单元被专家评定为临床适宜,83.3%的重大临床声明得到了工具衍生的定量测量或检索指南证据的支持。
推荐理由:介绍了基于证据的多模态辅助决策支持系统,有助于提高AMD管理的透明度和可审计性。
RETBind 是一种患者级多模态基础模型,通过统一编码器学习视网膜光学相干断层扫描(OCT)和超广视野(UWF)影像的跨模态对应关系,显著提升了眼科疾病分类和分割任务的性能,特别是在临床相关不平衡设置中增强了AUPR值。
华厦眼科开发的智能化阅片平台通过AI技术实现眼病初筛,已在30余家医院落地,累计筛查20万张眼底图像,有助于解决优质医疗资源分布不均的问题。
推荐理由:介绍了华厦眼科的智能化阅片平台如何通过AI技术弥补基层眼科医疗资源不足,为患者提供标准化筛查服务。
研究团队提出可解释图推理框架FFA-RGNet,对序列眼底荧光血管造影(FFA)图像中的病灶时序与解剖位置建模以辅助疾病诊断,并在25,312张FFA图像、2651例患者的多中心数据上训练与验证。
一篇发表在 Nature Communications 的研究探讨了自主 AI 在减少青少年糖尿病视网膜病变筛查地区差异中的潜力。该研究由 Johns Hopkins 医学院儿科内分泌科团队主导,并得到美国国立卫生研究院(NIH)和 Breakthrough T1D 资助,数字诊断公司提供了自主 AI 解读支持。
瓯江实验室围绕阿尔茨海默病诊疗及脑机接口等前沿方向布局,已建成国内唯一国际阿尔茨海默病研究与防治中心,门诊量超3万人次。实验室牵头完成温州市51万余名老年人认知筛查,目标覆盖260万人次,并推进视觉脑机接口、柔性深部电极等技术研发。同时,实验室与河南翔宇医疗等企业合作,打通从技术到临床转化的产业化路径。
北京同仁眼中心团队在 AAO 会议报告了基于非散瞳眼底照相预测一年近视发生及进展至中度或高度近视的深度学习模型。模型在内部及两个外部队列验证中,预测高度近视进展的 AUC 分别为 0.95、0.96 和 0.91,预测中度近视进展的 AUC 分别为 0.89、0.89 和 0.88。作者认为该技术可为早期临床干预提供强力工具。
推荐理由:研究展示了单张眼底照片预测近视进展的性能,为临床早期分层提供工具参考。
一项回顾性研究评估CTL-GAN生成合成荧光素角膜图像以提升干眼症多分类分级效果,未交换原始图像。在SMC数据集上,GAN增强使验证准确率从64.2%提升至75.5%;在SYSU数据集上,迁移预训练权重使准确率从41.4%提高至66.3%。
Stanford 团队在 npj Digital Medicine 发表开放获取研究,提出基于公开数据训练的通用文本引导潜在扩散模型 MediSyn。该模型可跨 6 个医学专科和 10 种影像模态生成图像,在计算效率上优于特定任务模型套件。研究显示该模型能提升数据有限场景下的分类器性能,验证了通用生成模型在加速医学算法研发中的潜力。
伦敦卫生与热带医学院(LSHTM)在坦桑尼亚24家医院开展的随机对照试验显示,AI 辅助筛查组确诊患者专科随访率(35.9%)高于标准筛查组(18.2%)。AI 组患者在 10.9 天内完成随访,而标准组平均需 36.9 天。该研究结果发表于 The Lancet Global Health。
推荐理由:原文报告了坦桑尼亚随机对照试验中AI筛查提高患者随访比例和缩短时间的事实,可评估AI对基层随访的影响。
一项在深圳四区开展的前瞻性纵向随访研究方案,拟每6个月评估学龄儿童眼部参数、眼底特征及近视相关环境行为因素,并构建AI近视风险预测模型。参与者来自经济发达与欠发达城区,以捕捉社会经济和环境差异;非睫状肌麻痹验光可能带来测量误差并高估近视患病率。
中国科学院香港创新研究院人工智能与机器人创新中心(CAIR)近日发布多模态临床智能体系统 CARES 4.0。该系统依托 Harness 框架构建,底层搭载自研 CT、核磁等多模态医疗基座,已在多家三甲医院完成落地验证。CARES 4.0 覆盖诊疗、科室管理及医学科研全链条,作为医生智能伙伴辅助临床工作。
一项在中山大学中山眼科中心开展的随机对照试验显示,大语言模型预问诊智能体的病史采集质量评分高于眼科住院医师,调整后平均差17.7分(95% CI 14.1–21.3)。
推荐理由:随机对照设计把大模型问诊智能体与眼科住院医师放在同一评分标准下比较,可看清人机分工的边界。